ElegantRL:使用PyTorch的轻量级高效且稳定的深度强化学习算法实现。 :fire: 源码

使用PyTorch的轻量级,高效且稳定的DRL实现 ElegantRL具有轻巧,高效和稳定的特点,适合研究人员和从业人员使用。 轻量级:使用PyTorch(火车),OpenAI Gym(环境),NumPy,Matplotlib(情节),核心代码<1,000行(请参见elegantrl / tutorial)。 高效:性能可与媲美。 稳定:与稳定一样 。 当前,无模型的深度强化学习(DRL)算法: DDPG,TD3,SAC,A2C,PPO,PPO(GAE)连续动作 DQN,DoubleDQN,D3QN用于离散操作 有关DRL算法,请查看教育性网页 。 请查看。 目录 要求 无模型DRL算法 消息 [Towardsdatascience] ElegantRL:轻巧且稳定的深度强化学习库 ElegantRL:掌握PPO算法(第一部分) [MLearning.ai] Elegan