Skip to content

Latest commit

 

History

History
43 lines (29 loc) · 1.18 KB

README.md

File metadata and controls

43 lines (29 loc) · 1.18 KB

强化学习基础算法复现

本项目复现了强化学习中的经典基础算法

目录结构

  • env.py:环境定义(格子世界 GridWorld)
  • dp.py:动态规划(值迭代、策略迭代等)
  • mc.py:蒙特卡洛方法
  • td.py:时序差分方法(SARSA、Q-Learning 等)
  • dqn.py:深度 Q-learning 网络(DQN)
  • reinforce.py:策略梯度方法
  • actor_critic.py:演员-评论家方法
  • trpo.py:信赖域策略优化(TRPO)
  • ppo_clip.py:近段策略优化(PPO, OpenAI)
  • grpo.py:组内相对优势策略优化(GRPO, DeepSeek)

环境说明

前5个算法使用《强化学习中的数学原理》中的网格世界环境, 后5个算法使用 OpenAI Gym 中的 CartPole 环境

快速开始

pip install -r requirement.txt

以动态规划算法为例:

python dp.py

参考资料

致谢