对不同的奖励和惩罚参数收敛速度。(一)一个= 0.5,b= 0.5;(b)一个= 0.3,b= 0.3;(c) = 0.7,b= 0;(d)一个= 0.1,b= 0.1;(e)一个= 0.01,b= 0;(f)一个= 0.05,b= 0.05;(g)一个= 0.3,b= 0。