在深度 Q 学习中，我们为每一集执行算法，对于一集中的每一步，我们采取行动并记录奖励。

我有一种情况，我的动作是 2 元组$a=(a_1,a_2)$. 说，在剧集中$i$, 我必须采取行动的前半部分$a_1$，那么对于这一集的每一步，我都必须采取行动的后半部分$a_2$.

更具体地说，假设我们在剧集中$i$而这一集有$T$时间步长。首先，我必须采取$a_1(i)$. （在哪里$i$用于参考情节$i$.) 然后，对于每个$t_i\in\{1,2,\ldots,T\}$，我必须采取行动$a_2(t_i)$. 一旦我选择$a_2(t_i)$，我得到一个观察和奖励全局动作$(a_1(i), a_2(t_i))$.

是否可以应用深度 Q 学习？如果是这样，怎么做？我应该申请$\epsilon$- 贪心两次？