第6名解决方案

感谢主办方举办了如此有趣的比赛。
在这次比赛中，我使用了很棒的 HandyRL 库。
与其他库相比，它的代码更容易阅读和学习。

1. 输入

我使用了如下所示的3个输入。

2. 模型

3. 集成与后处理

我对排行榜（LB）前3名模型的输出求和后进行了 argmax 操作。
如果当前动作与上一个动作方向相反，则在 argmax 时排除该动作。

4. 验证与提交

对于每个检查点，与1个模仿学习代理和2个公共代理“Smart Geese Trained by Reinforcement Learning”进行100场对局。
分数规则为：第1名 +5分，第2名 +1分，第3名 -1分，第4名 -5分。
在每天的新检查点中，提交验证得分总和最高的那个。