讓 AI 學會賣水果：30 天實作強化學習定價與採收決策 系列

水果今天該採收多少、賣多少錢？採太多可能報廢，採太少可能缺貨，而今天的決策也會影響明天的庫存與收益。本系列將以水果經營情境為主線，帶領具備 Python 基礎的讀者，在 30 天內逐步理解並實作強化學習。我們將從狀態、動作與獎勵出發，使用 Gymnasium 建立包含季節、需求波動與保存期限的模擬環境，再透過 Stable-Baselines3 訓練 DQN 與 PPO，並與固定及規則策略比較。過程中會拆解獎勵設計、訓練曲線、評估方法與失敗案例，觀察利潤、缺貨及報廢之間的取捨。
最後透過 Streamlit 呈現策略表現與每日決策，完成一個可重