我正在尝试使用深度学习来解决魔方问题，我遇到了 DQN，所以我决定尝试一下。我开发了所有代码并开始训练，但我得到了以下结果：

损失上升，测试永远不会得到更好的结果。我试图改变学习率，epsilon 贪婪衰减，将争夺动作减少到一个，但它仍然不能仅仅用一个动作来解决它。这就是为什么我想知道这样做是不可能的，或者我可能会错误地计算一些值。