在深度强化学习求解路径规划问题时，如果问题结构有变化，如增加了新的问题约束，是否能够有效应对。
针对一个问题训练好的模型，在哪些情况下需要重新训练，哪些情况不需要。（因为有篇论文在训练完成10个节点的TSP问题时不需要重新训练就可以即时得到20个节点的最优路径，但有的论文里又讲结构发生变化需要重新训练，所以一时间不太清楚强化学习的泛化能力的强弱）
Eric
目前强化学习好像大多都是针对特定场景，所以去年王者荣耀挑战赛（“觉悟”）就研究了强化学习的泛化，比如用一个模型控制具有不同操作的英雄：鲁班（没有位移），李元芳（有）、后裔等等，你可以看看相关文章。
你可以查看社区里面的这三篇文章，希望有所帮助：
为何RL泛化这么难：UC伯克利博士从认知POMDP、隐式部分可观察解读： http://www.deeprlhub.com/d/545-rlucpomdp
如何提高深度强化学习的泛化性？： http://www.deeprlhub.com/d/1129
【39页综述】深度强化学习的泛化性： http://www.deeprlhub.com/d/535-39
