Distributed_RL: 用于连续操作空间的非策略算法，包括PPO、SAC及自定义算法的存储库

简介：
Distributed_RL 是一个开源项目，专注于在大规模环境中开发和测试连续操作空间中的无策略强化学习算法。该项目包含了PPO、SAC等主流算法及其自定义扩展版本，并支持分布式训练以加速研究进程。 此存储库用于实施分布式强化学习（RL），使用Pytorch、Ray和Redis进行开发。以下是将要实现的算法列表：软演员评论家 V_Trace, IMPALA 穆泽罗R2D2。 安装指南： 建议为这个仓库创建一个新的conda环境。 执行命令 `conda create -n python=3.6` 来创建新环境。 然后通过克隆此GitHub存储库来获取代码：`git clone https://github.com/seungju-mmc/Distributed_RL.git` 使用命令 `git submodule init` 初始化子模块。 注意，需要从基线（baseline）读取README.md文件以了解更多信息。