قیمت گذاری پویا با یادگیری تقویتی (داده موجود است)

با سلام و عرض احترام. برای انتشار مقاله در یک ماه آتی نیاز به کمک برای مدل سازی مسئله قیمت گذاری پویا با یادگیری تقویتی و رفع اشکال حین انجام این پروژه هستم. بیشتر مشاوره میخوام تا اینکه کار بخواد کامل انجام بشه دیتاست دارم و بر اساس داده های فروش گذشته یک شرکت حمل و نقل ریلی با کالای فاسد شدنی هست. دانش خوبی نسبتا تو یادگیری تقویتی دارم و توانایی کد نویسی بالایی دارم. اما چند سوال و ابهام دارم که نیاز دارم رفع بشه