آموزش روش های یادگیری تقویتی در مسائل بهینه سازی

سلام دوستان من میخوام پیاده سازی روش های یادگیری تقویتی (روش هایی مانند Q-learning, deep Q-learning, SARSA, PPO) را در مسائل بهینه سازی بهم آموزش بدهند. محیط پیاده سازی هم پایتون هست. چندین کد در گیت هاب هست و من هم به اصول پایه یادگیری تقویتی آشنا هستم، اما نیادارم که درپیاده سازی مسلط شوم. بنابراین، نیاز هست که چند تا مدل بهیه سازی انتخاب شود (یا خودم انتخاب میکنم) و آموزش روش ها بر اساس آن انجام شود. از دوستانی که رد این زمینه تسلط دارند( هم بهینه سازی و هم یادگیری تقویتی) و کار کردند؛ دعوت میکنم که به اینجانب پیام دهند. با تشکر