distributedRL:分布式增强学习算法轻松原型制作的框架

分布式RL distributedRL是一个框架，用于使用Pytorch ， Ray和ZeroMQ （及更多）对变形强化学习进行原型制作。 您可以利用结构组件在单台机器上轻松分发您的强化学习算法。 当前，可以使用Ape-X DQN的实现。 IMPALA和SEED计划实施。 如果您有任何疑问，请随时与我们联系（哥伦比亚大学教育学院的cjy2129）或提出问题！ 关于一些选择的注释 ApeXLearner和ApeXWorker被实现为抽象类（分别继承common.abstract.Learner和common.abstract.Worker ）。 要将Ape-X扩展到任何策略外的RL算法，您只需实现特定于算法的细节，例如动作选择，环境步骤和学习步骤（请查看抽象类以获取更多详细信息）。 我使用进行进程间通信，而不是使用Ray的内置功能。 （1）我希望数据传递机制和序列化更加明确，并且（2