策略梯度(Policy Gradient, PG)方法的核心思想在于是能获得更好的回报的动作的采样概率不断提高，使获得更少回报的动作的采样概率不断降低，从而达到一个最优的策略。
2022-10-22 09:07:51
7KB
使用Pytorch实现的深度RL算法
算法列表：
关于深入探讨
实验结果：
算法
离散环境：LunarLander-v2
连续环境：Pendulum-v0
DQN
--
VPG
--
DDPG
--
TD3
--
SAC
--
PPO
--
用法：
只需直接运行文件/算法。 在我学习算法时，它们之间没有通用的结构。 不同的算法来自不同的来源。
资源：
未来的项目：
如果有时间，我将为使用RL的电梯添加一个简单的程序。
更好的图形
2021-04-26 01:35:45
391KB
1