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。