#6.3_A3C_(Asynchronous_Advantage_Actor-Critic)_(强化学习_Reinforceme

#6.1_Actor_Critic_演员评论家_(强化学习_Reinforcement_Learning_教学)

附件为policy gradient，actor critic相关的基础代码，可以跑的通，有助于对policy gradient，actor critic, advantage actor critic三种算法的认识和了解

代码源自《Learning to Dispatch for Job Shop scheduling via Deep Reinforcemnet Learning》

这是MADDPG算法的原始论文。MADDPG算法是一种非常优秀的多智能体强化学习算法，感兴趣的可以下载下来看看

Soft Actor-Critic（SAC）算法tensorflow实现，SAC是深度强化学习中对于连续动作控制的又一经典。

状态：存档（代码按原样提供，预计不会更新） 多代理深度确定性策略梯度（MADDPG） 这是用于实现论文中提出的MADDPG算法的代码： 。 它被配置为与一起运行。 注意：自原始论文以来，此代码库已进行了重组，结果可能与论文中所报告的有所不同。 更新：可以在找到策略集合和策略估计的原始实现。 该代码按原样提供。 安装 要安装，请cd进入根目录，然后键入pip install -e . 已知依赖项：Python（3.5.4），OpenAI Gym（0.10.5），tensorflow（1.8.0），numpy（1.14.5） 案例研究：多代理粒子环境 我们在这里演示如何将代码与结合使用。 按照README文件的说明下载并安装MPE代码。 确保已将multiagent-particle-envs添加到您的PYTHONPATH （例如， ~/.bashrc或~/.bash_profile

多代理深确定性策略梯度 多主体深度确定性策略梯度（MADDPG）算法的Pytorch实现 这是我在论文中提出的算法的实现：“针对混合合作竞争环境的多主体Actor评论家”。 您可以在这里找到本文： : 您将需要安装多代理粒子环境（MAPE），可以在这里找到： : 确保创建具有MAPE依赖项的虚拟环境，因为它们有些过时了。 我还建议使用PyTorch 1.4.0版运行此程序，因为最新版本（1.8）似乎与我在计算批评者损失时使用的就地操作存在问题。 将主存储库克隆到与MAPE相同的目录中可能是最容易的，因为主文件需要该软件包中的make_env函数。 可以在以下位置找到本教程的视频： :

Connecting Generative Adversarial Network and Actor-Critic Methods.pdf

由于实验室要求每周PPT分享汇报，在这一过程中，需要花费时间去整理 强化学习，深度学习，Actor-critic基本知识点，耗时较长，因此将相关PPT上传，供有需要的游客查阅。