پیاده سازی الگوریتم reinforcement learning

سلام به یک پیاده سازی در پایتون نیاز دارم که با استفاده از یک الگوریتم reinforcement learning بیاد تسک های وارد شده به یک سیستم رو زمانبندی کنه. پیاده سازی این الگوریتم برای مقایسه با الگوریتم اصلی هست که بعدا پیاده سازی خواهد شد. دیتاست ایجاد شده. دو نوع الگوریتم رندوم هم پیاده سازی شده برای کار روی این دیتاست. الگوریتم reinforcement learning سومین خواهد بود. agent این الگوریتم باید به سه سوال پاسخ بده: 1-از بین 3 instance فرض شده در این پیاده سازی کدام instance روشن و کدام خاموش شود 2ـ در صورت روشن ماندن چند عدد cpu تخصیص یابد 3- هر سی پی یو با چه فرکانسی کار کند. خلاصه کار همین هستش اما قطعا نیاز به هماهنگی بیشتر وجود داره.کار زیاد سنگینی نیست من وقتشو ندارم پیاده سازی الگوریتم تا اینجای کار رو اپلود میکنم تا ببینید.