easy-rl/codes

写在前面

本项目用于学习RL基础算法，尽量做到：

• 注释详细

• 结构清晰

  代码结构清晰，主要分为以下几个脚本：

  • env.py 用于构建强化学习环境，也可以重新normalize环境，比如给action加noise
  • model.py 强化学习算法的基本模型，比如神经网络，actor，critic等
  • memory.py 保存Replay Buffer，用于off-policy
  • agent.py RL核心算法，比如dqn等，主要包含update和select_action两个方法，
  • main.py 运行主函数
  • params.py 保存各种参数
  • plot.py 利用matplotlib或seaborn绘制rewards图，包括滑动平均的reward，结果保存在result文件夹中

运行环境

python 3.7.9

pytorch 1.6.0

tensorboard 2.3.0

torchvision 0.7.0

gym 0.17.3

使用说明

本仓库使用到的环境信息请跳转环境说明, 在各算法目录下也有相应说明(比如如何运行程序等)

算法进度

算法名称	相关论文材料	备注	进度
On-Policy First-Visit MC			OK
Q-Learning			OK
SARSA			OK
DQN	DQN-paper		OK
DQN-cnn	DQN-paper	与DQN相比使用了CNN而不是全链接网络	OK
DoubleDQN			OK
Hierarchical DQN	Hierarchical DQN
PolicyGradient			OK
A2C			OK
DDPG	DDPG Paper		OK
TD3	Twin Dueling DDPG Paper

Refs

RL-Adventure-2

RL-Adventure