本研究提出了一种名为瓦瑟斯坦策略优化（WPO）的强化学习演员-评论家算法，适用于连续动作空间，结合了确定性和经典策略梯度方法的优点，表现优异。

本研究提出了一种创新的深度强化学习训练策略，通过动作映射和可行性模型提高样本效率和收敛速度，显著提升了约束环境下连续动作空间的训练性能。