该存储库涵盖了大量基于PyTorch实现的经典深度强化学习算法，例如DQN和DDQN，以及Dualling Netw...

简介：
该存储库将运用PyTorch来构建和实现一系列具有代表性的深度强化学习算法。 核心目标是为学习者提供易于理解的代码示例，从而帮助他们深入掌握深度强化学习的原理和实践。 未来的规划包括持续增加算法的种类，并对现有代码进行维护和优化。 目前已包含以下深度强化学习算法：深度Q学习网络（DQN），基本DQN，双Q网络，决斗网络架构，深度确定性策略梯度（DDPG），优势演员评判（A2C），信任区域策略梯度（TRPO），以及近端政策优化（PPO）。此外，还集成了使用克罗内克因素信任区域（ACKTR）的演员评论家和软演员评论（SAC）更新信息。 在2018年10月17日的更新中，大部分算法均得到了显著改进，并且增加了关于图的实验研究（除DDPG算法外）。 PPO算法现在能够兼容atari游戏和mujoco-env环境的使用。 TRPO算法表现出更高的稳定性，并能产生更优异的结果！ 2019年7月15日的更新则取消了对OpenAI基准测试环境的依赖。 我在rl__utils模块中添加了诸多实用的功能，同时DDPG也进行了重新实现并扩展了其支持的结果类型。 自述文件已经过修订，并且代码结构也进行了细微的调整以提升可读性和组织性。