results = tune.run(HierarchicalTrainer, metric="episode_reward_mean", mode="max", search_alg=algo, scheduler=scheduler, num_samples=1, checkpoint_freq=1, keep_checkpoints_num=10, config=config, # stop=stop )

这段代码用于运行HierarchicalTrainer模型，并使用给定的搜索算法、调度器和配置，对metric="episode_reward_mean"（剧集平均回报）进行调参，模式为模型最大化metric。该模型将运行1个样本，每个checkpoint_freq个步骤保存1个检查点，并最多保存10个检查点。