若要修改env，一定要先删除pareto_merge.txt，pareto_final.txt，pareto_set.txt！
start.py:程序总入口，可多次执行主程序，然后执行pareto_sum脚本统计多次执行的最优解集
reward算法为归一化
feature-reward.log：查看训练效果
all_trains.txt：记录每次完整训练的最后五次迭代
pareto_set.txt：最优解集（可用pareto_sum.py合并）
pareto_details.txt：最优解集迭代过程：
pareto_merge.txt：多次学习后合并pareto，可以观察模型是否是否合理：
pareto_final.txt:保存全部最优解
强化学习基本组件：
env.py
train.py
agent.py
algorithm.py
model.py
replay_memory.py
自定义文件：
policy.py：设置选择Q网络的策略
reward.py：设置reward
pareto.py:计算pareto前沿相关
show.py:画图
delete_script.py:删除log等
单次运行以外：
pareto_sum.py：将保存在pareto_set.txt中的多次最优解集合并
start.py:程序总入口，可多次执行主程序，然后执行pareto_sum脚本统计多次执行的最优解集