我正在研究关于强化学习问题的论文，并试图将我的时间优先用于它的不同组成部分：

• 形式化代理环境（如状态、动作空间和奖励结构的设计）
• 学习算法的选择
• 网络架构和规模的选择
• 训练设置的设计

它是具有模拟物理（在 Unity 中）的 3D 环境中的代理，其领域是实时战略游戏。这是一个训练数据有约束的环境，所以样本效率非常重要。

现在我的问题是：我确实预计状态和动作空间的设计将对训练结果产生重大影响，尤其是在这种训练数据很少的环境中。

但是，有没有一种方法可以明确优先考虑哪些组件对于 RL 设置最重要？

时间是有限的，对我来说，作为一个初学者，似乎很难确定哪个组件是最重要的，最需要关注的。仅彻底测试学习算法的超参数本身将花费很长时间。显然，忽略任何组件都会导致糟糕的结果。

有没有办法知道应该更关注哪个组件？