RPG:这是RPG（奖励随机化策略梯度）的源代码

RPG（奖励随机化政策梯度） 汤正刚*，赵超*，陈伯元，徐华哲，王小龙，方飞，西蒙·邵雷，王玉，吴仪（*均分） **网站：** 这是RPG（奖励随机化政策梯度）的源代码，该论文在“通过奖励随机化发现多样化的多主体策略行为” [[TODO：arxiv链接]]（arxiv链接）中提出。 1.支持的环境 1.1琼脂 ！[Agar.io]（ ） 是一种流行的多人在线游戏。 玩家控制培养皿中的一个或多个细胞。 目的是通过吃掉比玩家的细胞小的细胞来获得尽可能多的质量，同时避免被更大的细胞吞噬。 较大的细胞移动较慢。 每个玩家都从一个单元开始，但是可以将足够大的单元分成两部分，从而可以控制多个单元。 该控制是通过鼠标移动来执行的：播放器的所有单元都朝着鼠标位置移动。 我们将Agar （ ）的“全民免费（FFA）”模式转换为强化学习（RL）环境，我们相信它可以用作新的Multi-agent