display_...为展示训练后的模型效果使用的文件
train —— Dueling DDQN训练使用
train_a3c ——a3c不能使用，没调bug
train_actor_critic ——actor critic 没训练出来好的结果
train_PPO ——PPO训练使用
icm_gae_ppo ——gae+PPO训练使用（徐志伟）
rainbow ——rainbow训练使用（徐志伟）
由于Replay文件夹太大，我们给删去了
model文件夹存model，param文件夹存的param， info文件夹里有训练记录的奖励,loss，和血量差信息
此代码由本人与自动化研究所博士生徐志伟共同完成