Reinforcement_Learning_PPO_RND: 在TensorFlow 2和PyTorch中实现近端策略优化...

简介：
Reinforcement_Learning_PPO_RND项目专注于使用TensorFlow 2及PyTorch框架，实现并研究结合随机网络断言的近端策略优化算法在强化学习领域的应用与效果。 PPO-RND 利用 Tensorflow 2 和 Pytorch 实现了近端策略优化与随机网络蒸馏的深度强化学习简易代码版本，并在此基础上进行了改进，提升了代码质量和性能表现。我重构后的代码遵循 OpenAI 基线中的 PPO 算法实现。此外，我还采用了名为 Truly PPO 的更新版 PPO 方法，其样本效率和性能均优于原始 OpenAI 版本的 PPO。 目前的工作重心在于如何在更具挑战性的环境中（例如 Atari 游戏、MuJoCo）实施该项目。通过使用 Pytorch 和 Tensorflow 2 对代码进行优化，并引入更复杂的环境以增强项目的实用性。同时，增加了详细的入门指南以便于项目启动和操作。 该实现利用了 Gym 库作为强化学习的仿真环境，并推荐在配备 GPU 及至少 8GB 内存的计算机上运行此项目，尽管这并非强制要求。