🔁 LOOP DE APRENDIZADO CONTÍNUO

📊 LUCRO GLOBAL + EVOLUÇÃO DO MODELO

🧩 RL LOOP (equivale ao train_rl.py)

// engineV2.js — a cada tick (= 1 step do episódio):
estado = aplicarEventos(estado);           // env.step() init

// Para cada mina (multi-agente):
action = chooseAction(mina);              // ε-greedy
nextMina = applyAction(mina, action);     // env.step(action)
reward = lucro_mina - risco * 1500;       // reward function
updateQ(mina, action, reward, nextMina);  // Bellman equation

// A cada EPISODE_LENGTH ticks:
endEpisode();  // ε *= 0.995 (decay)

🎯 ESTRATÉGIA ATUAL DA POLÍTICA RL