Stable Baselines/用户向导/RL算法

本文档介绍了Stable Baselines库中的强化学习算法,包括其主要特性,如迭代策略、离散/连续行动支持,并提供了算法适用的行动空间类型。同时指出该项目不支持某些特定的非数组空间,除非与特定组件配合使用。

Stable Baselines官方文档中文版 Github 优快云
尝试翻译官方文档,水平有限,如有错误万望指正

下面这个表格展示了stable baselines项目中采用的所有RL算法及其重要特征:迭代策略、离散/连续行动、多线程

NameRefactored [1]RecurrentBoxDiscreteMulti Processing
A2C✔️✔️✔️✔️✔️
ACER✔️✔️❌ [4]✔️✔️
ACKTR✔️✔️❌ [4]✔️✔️
DDPG✔️✔️✔️ [3]
DQN✔️✔️
HER✔️✔️✔️
GAIL [2]✔️✔️✔️✔️✔️ [3]
PPO1✔️✔️✔️✔️ [3]
PPO2✔️✔️✔️✔️✔️
SAC✔️✔️
TD3✔️✔️
TRPO✔️✔️✔️ [3]

[1] 是否重构以适应BaseRLModel

[2] 只用于TRPO

[3] (1,2,3,4)用MPI实现多重处理

[4] 在项目范围内,(1,2)必做

目前任何算法都不支持类似DictTuple这种非数组空间,除非HERgym.GoalEnv一起用,此时会支持Dict

各类行动gym.spaces:

  • Box: 一个包含行动空间中每个点的N维盒子
  • Discrete: 一组可能的行动,每个时间步中只会采用一个
  • MultiDiscrete: 一组可能的行动,每个时间步每个离散集中只有一个行动被采用
  • MultiBinary: 一组可能的行动,每个时间步中任何行动都可能以任何结合方式使用
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值