多代理SAC 介绍 环境。 在这种环境下，两名特工控制球拍在球网上弹跳球。 如果探员将球击中网，则得到+0.1的奖励。 如果探员让一个球击中地面或将球击出界外，则其获得的奖励为-0.01。 因此，每个特工的目标是保持比赛中的球权。 观察空间由8个变量组成，分别对应于球和球拍的位置和速度。 每个代理都会收到自己的本地观察结果。 有两个连续的动作可用，分别对应于朝向（或远离）网络的运动和跳跃。 该任务是情节性的，并且为了解决环境，您的特工必须获得+0.5的平均分数（在两个特工均取得最高分后，连续100次以上）。 具体来说， 在每个情节之后，我们将每个代理商获得的奖励加起来（不打折），以获得每个代理商的得分。 这将产生2个（可能不同）的分数。 然后，我们取这两个分数中的最大值。 这为每个情节产生一个单一的分数。 当这些分数的平均值（超过100集）至少为+0.5时，就认为环境已解决。

城流 CityFlow 是一种用于大规模城市交通场景的多智能体强化学习环境。 检查这些功能！ 一种微观交通模拟器，可模拟每辆车的行为，提供最高级别的交通演变细节。 支持灵活定义路网和交通流 为强化学习提供友好的python接口 快速地！ 精心设计的数据结构和多线程仿真算法。 能够模拟城市范围内的交通。 请参阅与 SUMO 的性能比较。 具有不同线程数（1、2、4、8）和 SUMO 的 CityFlow 之间的性能比较。 从小型 1x1 网格路网到城市级 30x30 路网。 当您需要通过 python API 与模拟器交互时，速度会更快。 截屏 使用 CityFlow 的特色研究和项目 链接 WWW 2019 演示文稿 主页 文档和快速入门 码头工人 [1] 相扑首页 [2] 天让智能首页

用于多无人机对抗的多主体强化学习算法 这是“在战斗任务中进行多智能体强化学习的有效培训技术”的源代码，我们构建了源自多个无人驾驶飞机的战斗场景的多智能体对抗环境。 首先，我们考虑使用两种类型的MARL算法来解决这一对抗问题。 一种是从用于多代理设置（MADQN）的经典深度Q网络扩展而来的。 另一个是从最新的多主体强化方法，多主体深度确定性策略梯度（MADDPG）扩展而来。 我们比较了两种方法的初始对抗情况，发现MADDPG的性能优于MADQN。 然后以MADDPG为基准，提出了三种有效的训练技术，即场景转移训练，自学训练和规则耦合训练。 规则耦合红色特工vs随机移动蓝色特工 规则耦合的红色特工和蓝色特工通过自我比赛训练