60 lines
3.1 KiB
Markdown
60 lines
3.1 KiB
Markdown
|
|
|
|
## 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](https://github.com/JohnJim0816/reinforcement-learning-tutorials/blob/master/env_info.md), 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](https://www.cs.toronto.edu/~vmnih/docs/dqn.pdf) | | OK |
|
|
| DQN-cnn | [DQN-paper](https://www.cs.toronto.edu/~vmnih/docs/dqn.pdf) | 与DQN相比使用了CNN而不是全链接网络 | OK |
|
|
| DoubleDQN | | | OK |
|
|
| Hierarchical DQN | [Hierarchical DQN](https://arxiv.org/abs/1604.06057) | | |
|
|
| PolicyGradient | | | OK |
|
|
| A2C | | | OK |
|
|
| DDPG | [DDPG Paper](https://arxiv.org/abs/1509.02971) | | OK |
|
|
| TD3 | [Twin Dueling DDPG Paper](https://arxiv.org/abs/1802.09477) | | |
|
|
| | | | |
|
|
|
|
|
|
|
|
## Refs
|
|
|
|
|
|
[RL-Adventure-2](https://github.com/higgsfield/RL-Adventure-2)
|
|
|
|
[RL-Adventure](https://github.com/higgsfield/RL-Adventure)
|