海防环境的导弹目标选择任务 流程介绍：敌方舰艇以固定阵型排列，我方18枚导弹依次选择攻击目标并以直线轨迹攻击，攻击过程中若进入防御舰艇的防御长度内则有一定几率被拦截，舰艇被攻击一定次数后死亡，同样的，可以根据任务需求，通过改变不同类型的舰艇艇的价值来调整导弹攻击的侧重点，综上，需要合理选择攻击目标和攻击并以预期的伤害最大化 状态空间定义为18个导弹的目标选择，初始化为[-1] * 18，每进行一个步骤填进去一个动作（攻击目标）动作空间定义为可以选择的舰艇数量，如果有7个舰艇则动作空格〜[0，6]