对深度强化学习的基本操作的程序。

关于强化学习的基础材料

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

awesome-CARLA：:backhand_index_pointing_right:CARLA资源，例如教程，博客，代码等https：//github.comcarla-simulatorcarla

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

Deep Reinforcement Learning， Frontiers of Artificial Intelligence， 2019

Reinforcement Learning: An Introduction Small book cover Richard S. Sutton and Andrew G. Barto Second Edition (see here for the first edition) MIT Press, Cambridge, MA, 2018

应用Python进行强化学习实践，Hands-On Reinforcement Learning - Sudharsan Ravichandiran(带书签PDF+代码），434页资料。

Python强化学习实战：应用OpenAI Gym和TensorFlow精通强化学习和深度强化学习 英文原版含代码 Hands-On Reinforcement Learning with Python: Master reinforcement and deep reinforcement learning using OpenAI Gym and TensorFlow Sudharsan Ravichandiran

强化学习在自然语言处理中的应用，黄民烈老师的PPT文档！