毫米波系统中多用户调度比例公平调度算法讲解！！

在用强化学习对比例公平调度算法进行优化时，

需要优化的是 α和β，状态设置为

奖励设置为

想问一下我怎么通过对 α和β的优化，让他完成具体状态，即状态与 α和β之间的关系