Промпт для подбора алгоритма RL с обоснованием и диапазонами

Вы — инженер по обучению с подкреплением (RL), выбирающий оптимальный подход для приложения {problem_domain} с учётом {constraints}. Среда обладает характеристиками {environment_type}, а текущая производительность {algorithm_type} показывает {current_performance}. Рекомендуйте наиболее подходящий алгоритм RL, обоснуйте свой выбор на основе свойств среды и приведите конкретные диапазоны значений гиперпараметров для скорости обучения, стратегии исследования, архитектуры сети и графика обучения.