车间调度问题，智能体所得奖励为0

问题遇到的现象和发生背景

车间调度问题，三个智能体，智能体作为机器，采用DQN算法，目标是最小化最大完成时间，运行后所得到的第一个智能体奖励为0，运行结果没有变化

运行结果及报错内容