ReinforcementLearning_experiment

最近在做一些强化学习方面的工作，这里对一些传统的强化学习算法做一个总结，不断整理。 本repo提供的代码，参考莫烦和baseline进行实现，实验环境基于openai gym, 不涉及图像处理相关，较为纯净的强化学习部分实现。 实验结果主要以gym的实验结果为主，有一些实验是在自己实现的一套1v1 6DoF飞行器博弈仿真环境做的实验，该环境较为复杂，对各种算法也有更加全面的验证。

DQN系列

已完成：

1. Nature DQN
2. Double DQN
3. Dueling DDQN
4. DRQN
5. Multistep DQN

DQN_IN_PROJECT目录为整理成项目架构形式的算法，可以兼容以上五种算法，将网络结构，agent学习，主程序分开封装。

三类算法对比：(DQN, DoubleDQN, Dueling DQN)

1. gym CartPole-v0 环境：
2. 1v1 6DoF飞行器博弈仿真环境做的实验(mean_reward越大越优)

@Todo

• DRQN 考虑加入部分可观马尔科夫时序处理
• Multistep DQN (重要性采样)
• Priority Replay buffer

---

非确定性PG系列

已完成:

1. PPO2 (Clip advantage)
2. 加入 exploration curriculum 参考 Emergent Complexity via Multi-agent Competition

代码在PPO2部分

---

模仿学习系列

已完成:

1. GAIL (WGAN-GP)
2. PPO2
3. seprate net

代码在GAIL

@Todo

• VAE VAE
• 参考复现 Robust Imitation of Diverse Behaviors