新增 DDQN 模型实现与训练流程

[GODDDDD22311]

修改概述:

• 新增 double_dqn.py：实现 Double DQN（DDQN）智能体核心逻辑，包括网络定义、动作选择、经验回放、目标网络更新、模型保存/加载等基础能力。
• 新增 training_double_dqn.py：提供端到端训练入口脚本，负责环境初始化、训练循环、、指标记录与 checkpoint 落盘，便于本地复现实验与持续迭代。

实现功能

• DDQN 核心算法能力
  • 使用 Double DQN 目标计算逻辑，降低 Q 值过估计风险。
  • 支持 epsilon-greedy 探索策略与衰减配置。
  • 支持 target network 更新。
• 训练流程能力
  • 提供可直接运行的训练脚本：创建环境 → 采样交互 → 存储 replay → 批量更新 → 周期性保存模型。
  • 支持保存模型权重与训练中间产物（如 best / last checkpoint），方便后续评估脚本直接加载。
  • 支持常用训练超参集中管理，便于后续调参对比。

经过了什么样的测试?*

• 启动训练脚本，确认可正常进入训练循环、无导入错误、可正常与环境交互、可生成并保存 checkpoint。
• 示例命令（按项目实际参数/默认值调整）：
  • python training_double_dqn.py

运行效果