你也可以把你的最大步数封装到环境的step方法中的done标志中。

# define your env and model above
 episodes = 1000
 for ep in range(1, episodes+1):
    state = env.reset()
    done = False
    score = 0
    step = 0

    while step < 200 and not done:
        action = model.predict(state)
        state, reward, done, _ = env.step(action)
        score += reward
        step += 1
    print (f"Episode {ep} is finished at {step} step with a score {score}")

虽然我不能提供确切的代码示例，因为我不能看到你的代码，我可以告诉你的方法，我对我的项目。你可以检查一个步骤执行后，如果它的终端状态的意思，如果一个代理达到目标，你可以计数步骤，并检查是否超过你的阈值。我是如何在我的代码是：

while episode_counter < training_episode:
#initate your agents here
            while not (agent.is_terminal() or otherAgent.is_terminal() or anotherAgent.is_terminal()):
            #  agent execute step

希望这会有所帮助。我的代码是与多代理，但你可以使用相同的方法为单代理环境。