-
使用rllab的多智能体强化学习算法：Multi-Agent-RL
资源介绍
多主体强化学习（MARL）
使用rllab通过量化在不同环境中执行的多个代理的随机梯度来开发强化学习。
实验室
rllab是用于开发和评估强化学习算法的框架。 它包括各种各样的连续控制任务以及以下算法的实现：
rllab与完全兼容。 有关说明和示例，请参见。
rllab仅正式支持Python 3.5+。 对于坐在Python 2上的rllab的旧快照，请使用。
rllab支持在EC2集群上运行强化学习实验以及用于可视化结果的工具。 有关详细信息，请参见。
主要模块使用作为基础框架，并且我们在下支持TensorFlow。
文献资料
在线提供了文档： https : //rllab.readthedocs.org/en/latest/ 。
引用rllab
如果您使用rllab进行学术研究，强烈建议您引用以下文章：
严端，陈曦，赖因·豪特霍夫特，约翰·舒尔曼，彼得·阿比尔。 “对
- 上一篇: 新冠病毒肺炎疫情确诊数据
- 下一篇: 基于gensim的文本主题模型(LDA)分析