具有Deep RL的TSP解算器
这是具有增强学习功能的神经组合优化的PyTorch实施，Bello等人。 2016 [ ]
指针网络是Vinyals等人提出的模型架构。 2015 [ ]
该模型使用注意力机制来输出输入索引的排列。
在这项工作中，我们将解决旅行商问题（TSP），这是被称为NP-hard的组合优化问题之一。 TSP寻求推销员最短的行程，使他们只能一次访问每个城市。
在没有监督解决方案的情况下进行培训
在训练阶段，此TSP求解器将优化2种不同类型的指针网络，Actor和Critic模型。
给定一个以城市为节点的城市图，评论家模型可以预测预期的旅行时长，通常称为状态值。 当估计行程长度赶上由演员模型预测的行程（城市排列）计算出的实际长度时，评论者模型的参数将得到优化。 Actor模型使用称为好处的值更新其策略参数，该值从实际巡回行程中减去状态值。
影评人
Actor
2021-11-02 16:47:59
1.21MB
1
scala-actors-2.10 jar包，可以解决 scala-actors-2.10以上版本带来的不兼容问题
2021-10-30 17:07:26
417KB
1
这是论文《Multi-Agent Actor-Critic for Mixed
Cooperative-Competitive Environments》的pytorch复现，直接使用其开源环境Multi-Agent Particle Environment，运行main.py即可进行运行程序
2021-10-15 09:06:47
1.8MB
SAC
使用Tensorflow的Soft Actor-Critic实现。
要求
Python3
依存关系
张量流
健身房[atari]
的OpenCVPython的
git +
用法
训练
$ python train.py [--render]
玩
$ python train.py [--render] [--load {path of models}] --demo
执行
这受到以下项目的启发。
2021-09-23 15:48:16
8KB
1
深度强化学习-分布式模块化框架
一个模块化框架，可实现即插即用的RL思想实验。
该系统是模块化的，具有针对演员，评论家，记忆，代理等的可重用类。
探索和学习在单独的Docker实例中作为单独的流程运行。 这样就可以运行多个分布式资源管理器。
这些组件在一个位置连接在一起，例如 ， 。
急切地使用Tensorflow2。
跑
启动两个docker镜像，一个运行Explorer，另一个运行Learner。
scripts/both.sh
结果
2021-09-20 15:34:20
4.63MB
1
#6.3_A3C_(Asynchronous_Advantage_Actor-Critic)_(强化学习_Reinforceme
2021-09-01 21:00:30
64.32MB