我想提出一个深度Q学习模型，以建议最适合的时隙（24小时内的任何时隙）来进行特定的活动。
我是深度学习的新手，但是我对机器学习（监督和无监督）有基本的了解。根据我的理解，我感觉我的动作空间是连续的，因为我的移动应用程序可以预测任何时隙进行某些活动，并根据用户的反馈确定我的报酬。 代理-我的移动应用 动作-建议进行活动的时段 奖励是根据论文行动的结果来定义的。 -如果用户在给定的时间段内进行活动，则该活动将被计为正面奖励 -如果用户推迟提醒，则将是负面奖励。 有7个州（一周7天） 集-一周内完成一项活动时间表
我想知道这是否是一种很好的RL方法，如果可以的话，请您提供一些参考资源。预先感谢。