MATLAB的MDP工具箱（马尔可夫决策过程工具箱），内含MATLAB代码以及代码说明。（注：本资源是截止至2021年2月的最新工具箱）。其中代码说明在documentation文件夹下，文件夹内为网页链接，双击打开网页链接后即为代码说明，代码说明中包括example。

模仿学习 此仓库包含一些强化学习算法的简单PyTorch实现： 优势演员评论家（A2C） 的同步变体 近端策略优化（PPO）-最受欢迎的RL算法 ， ，， 策略上最大后验策略优化（V-MPO）-DeepMind在其上次工作中使用的算法 （尚不起作用...） 行为克隆（BC）-一种将某些专家行为克隆到新策略中的简单技术 每种算法都支持向量/图像/字典观察空间和离散/连续动作空间。 为什么回购被称为“模仿学习”？ 当我开始这个项目并进行回购时，我认为模仿学习将是我的主要重点，并且无模型方法仅在开始时用于培训“专家”。 但是，PPO实施（及其技巧）似乎比我预期的花费了更多时间。 结果，现在大多数代码与PPO有关，但是我仍然对模仿学习感兴趣，并打算添加一些相关算法。 当前功能 目前，此仓库包含一些无模型的基于策略的算法实现：A2C，PPO，V-MPO和BC。 每种算法都支持离散（分类，伯努利，GumbelSoftmax）和连续（贝塔，正态，tanh（正态））策略分布以及矢量或图像观察环境。 Beta和tanh（Normal）在我的实验中效果最好（在BipedalWalker和Huma

总共13个章节，2021最新课件！！该书的名字叫《强化学习与最优控制》，作者是美国工程院院士、麻省理工大学的Dimitri P. Bertsekas教授。本书预计将于2019年由Athena Scientific（http://www.athenasc.com/）出版社出版问世，

awesome-game-ai：多智能体强化学习的Awesome Game AI资料

PAL是一种灵活高效的强化学习框架.具有可重复性的特点。我们给出的算法能够稳定地再现许多有影响的强化学习算法的结果。大规模的。支持数千CPU和多GPU的高性能并行训练的能力.可重复使用。存储库中提供的算法可以通过定义前向网络直接适应新任务，并自动建立训练机制。可扩展的。通过继承框架中的抽象类，快速构建新的算法。PARL is a flexible and high-efficient reinforcement learning framework.

APS1080 入门级强化学习学习笔记

grasshopper资料

解决网格迷宫问题的MATLAB强化学习程序合集：包括使用Q_learing算法、Sarsa算法以及Sarsa-Lambda算法解决网格迷宫问题。 “I thought what I'd do was I'd pretend I was one of those deaf-mutes, or should I?”

摇臂硬币机-强化学习(greed贪心算法，softmax更新算法)

基于王子寻找公主的案例详细解释Q-Learning算法的每一条代码