没有合适的资源？快使用搜索试试~ 我知道了~

文库首页开发技术其它Deep-Q-Network:在OpenAI健身房中使用DQN玩游戏

Deep-Q-Network:在OpenAI健身房中使用DQN玩游戏

共21个文件

py：15个

pth：4个

md：2个

pytorch

Python

需积分: 43 5 下载量 142 浏览量 2021-04-30 21:25:13 上传评论收藏 106KB ZIP 举报

温馨提示

深度Q网络在OpenAI健身房中使用DQN玩游戏深度强化学习受到越来越多的关注。深度q网络是DRL的开始。因此，对于那些想进入深度强化学习领域的人，希望我的代码可以帮助您更好地了解DQN算法和openai-gym环境。我使用pytorch来实现原始的dqn及其两个变体：决斗dqn和double dqn 。在进行卡特波尔比赛时，我观察到了这两种变体，尤其是决斗的dqn比原始的dqn更好。大多数想法来自

Deep-Q-Network:在OpenAI健身房中使用DQN玩游戏

Deep Q-Network

Reinforcement-Learning-using-OpenAI-Gym:适用于古典和MuJoCo环境的强化学习算法SARSA，Q-Learning，DQN，并通过OpenAI Gym进行测试

retro：健身房的复古游戏

LunarLander-v2_DeepRL:基于OpenAI LunarLander-v2 DeepRL的解决方案（DQN，DuallingDQN，D3QN）

健身房

breakout-Deep-Q-Network:强化学习| 在Atari Breakout上执行DQN，对决DQN和Double DQN的tensorflow实现

Tetris-Deep-Q-Network:免费提供模型的Deep-Q-Network Tetris

Dynamic-Parallel-Machine-Scheduling-with-Deep-Q-network:为了帮助其他研究人员重制或重用我们的工作，我们在github上共享了我们的代码

Deep-Reinforcement-Learning-With-Python:使用OpenAI Gym和TensorFlow结合广泛的数学知识来掌握经典RL，深度RL，分布式RL，逆RL等

Hands-On-Intelligent-Agents-with-OpenAI-Gym:使用OpenAI Gym编写动手智能代理的代码入门并学习使用PyTorch构建深度强化学习代理

Deep-Q-Learning：在pytorch中使用Double Deep Q-Learning教AI使其安全降落飞船

cartpole-dqn.zip_DQN_DQN算法_cartpole dqn_deep Q_q学习

AIGame，使用DQN，Keras玩游戏

deep-reinforcement-learning-atari-pong:强化学习DQN算法的PyTorch在OpenAI Atari Pong游戏中的应用

openai-gym-cartpole:演示解决OpenAI健身房手推车杆问题的各种解决方案

Deep-Reinforcement-Learning-Hands-On_deepreinforcement_强化学习_

DRL_OpenAI-CartPole-v0：OpenAI CartPole-v0基于DeepRL的解决方案

dqn走迷宫matlab-深度强化学习DQN（DeepQNetwork）原理及例子：如何解。。。 深度学习原理.pdf

deep-q-learning_Qlearning_deeplearning_deepqlearning_深度Q學習_

cartpole-deep-reinforced-learning:我们使用Boltzmann Q策略实现DQN代理，以解决离散操作空间中的购物车问题。 该方法已针对进行随机运动的基准进行了测试，并使用OpenAI Gym实施

深度强化学习+DQN+Pytorch+CartPole-v0

强化学习（八）-深度Q学习（DeepQ-learning-DQL-DQN）原理及相关实例 深度学习原理.pdf

Deep-Learning-21-Examples-master

deep-q-learning:张量流中的DQN，DDQN，决斗DQN实现

DQN摆锤_deeplearning_Qlearning_DQN_源码

CartPole-OpenAI-GYM:不同方式解决openAI健身房卡特尔问题的方法

强化学习 Q-Learning 玩转 OpenAI gym.zip

最新资源

dqn走迷宫matlab-深度强化学习DQN（DeepQNetwork）原理及例子：如何解。。。深度学习原理.pdf

cartpole-deep-reinforced-learning:我们使用Boltzmann Q策略实现DQN代理，以解决离散操作空间中的购物车问题。该方法已针对进行随机运动的基准进行了测试，并使用OpenAI Gym实施

强化学习（八）-深度Q学习（DeepQ-learning-DQL-DQN）原理及相关实例深度学习原理.pdf