在CartPole-v0环境中实现DQN算法。最终算法性能的评判标准：以算法收敛的reward大小、收敛所需的样本数量给分。 reward越高（至少是180，最大是200）、收敛所需样本数量越少，分数越高。
作业提交内容：需提交一个zip文件，包括代码以及实验报告PDF。实验报告除了需要写writing部分的内容，还需要给出reward曲线图以及算法细节。
zip文件命名格式: 20250519_张三_实验6；如果需提交不同版本，则命名格式：20250519_张三_实验6_v2等。
作业提交方式：zhangyc8@mail2.sysu.edu.cn
相关代码下载地址： https://github.com/ZYC9894/2024AI/tree/main/Homework/Experiment
相关环境的说明文档：https://www.gymlibrary.dev/ 或 https://www.gymlibrary.dev/environments/classic_control/cart_pole/
我们给出DQN在cartpole环境的训练曲线图作为参考。
