超级马里奥兄弟的深度强化学习 描述 背景信息：超级马里奥兄弟（SMB）是一款流行的动作游戏，具有“真实的”环境和广阔的状态空间，是设计可玩计算机游戏的强化学习代理的理想平台。 该代理要求与世界上的各种对象和障碍进行交互，以鼓励采用知识丰富的学习方法。 方法-我们使用了OpenAI Gym提供的框架。 超级马里奥兄弟体育馆并从游戏环境中提取了信息，以使用PPO训练RL特工。 我们还向环境引入了预处理方法，例如帧缩放，随机跳帧，帧堆叠和噪声网，以提高代理的性能。 通过引入回滚操作来提高训练的稳定性，可以创建PPO的变体。 结果：该方法成功地训练了能够在20个小时的训练后完成水平的特工。 我们成功实现了一种方法，该方法可以比常规PPO实施更好地执行，在不应用数据预处理的情况下性能提高了50％，在应用数据预处理的情况下性能提高了10％。 工具 Pytorch已被用作主要的机器学习库 由于SMB

这是强化学习基础知识--包含了完整体系梳理，以及四个关键部分： 价值学习 基本概念 策略学习 actor-critic算法 的基本概念及例子说明 欢迎下载

两段强化学习算法，提供给研究算法的同学。不知道有没有用

用winform做的界面，用C#编写的利用强化学习算法解决迷宫的问题

强化学习 dqn打砖块 参数文件，最高回报七十四分

用pytorch在Gym的游戏中实现Deep-Q-network深度强化学习，实时查看训练效果。 非常适合新手入门学习！！！

利用simulink中自带的深度强化学习包中的DQN算法优化

详细研究了深度Q-学习算法，它形成了深度Q网络（DQN）的基础这可能是当今强化学习中最具创新性的领域。这里将逐步介绍DQN，包括一些改变游戏规则的创新，如体验回放，以准确了解它们是如何帮助dqn在首次引入时实现世界一流的结果的。

附有论文，交通信号灯识别源程序。采DDPG深度强化学习方法。给出了LOSS损失函数图像

PyTorch中的RAHGCN 1.概述 该存储库是PyTorch中通过强化学习（RAHGCN）实现的自适应双曲图卷积神经网络。 下游任务包括： 链接预测（ lp ） 节点分类（ nc ） 2.设定 2.1下载代码 首先从Github下载源代码。 git clone git@github.com:fuxingcheng/RHGNN.git" cd rahgcn 2.2启动虚拟环境 我们建议在虚拟环境中设置我们的项目。 您可以选择conda或virtualenv来创建和管理虚拟环境。 如果您尚未安装conda，请按照的说明进行安装。 如果尚未安装virtualenv，则只需运行pip3 install virtualenv 。 对于conda ： conda env create -f environment.yml python=3.6 source activate ra