本项目复现了强化学习中的经典基础算法
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)
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
pip install -r requirement.txt以动态规划算法为例:
python dp.py- 感谢 @haukzero 提供的改进建议。