本人学习强化学习(PPO,DQN,SAC,DDPG等算法),在gym环境下写的代码集。
主要研究了PPO和DQN类算法,根据各个论文复现了如下改进:
- PPO: dual-PPO, clip-PPO, use-RNN, attention etc.
- DQN: rainbow DQN
在离散动作空间和连续动作空间,PPO算法都奏效,因此我对离散和连续动作空间的代码探索主要在CartPole(PPO), Pendulum(PPO)两份代码进行,读者可以重点关注。 实际上,本人完成这份代码集,主要是为了熟悉各类算法和超参,为2023腾讯开悟人工智能全国公开赛做准备。