NACYHAN01的博客

Gymnasium 接口简单、pythonic，能够表示一般的 RL 问题，此外再：pip install "momaland[learning]"兼容大部分数值计算的库，比如 TensorFlow 和 Theano。OpenAI Gym是一个用于开发和对比 RL 算法的工具箱，也是一个类似PettingZoo的一个Python库，并且具有适用于旧 Gym 环境的兼容性包装器。PettingZoo是一个Python库，已经在实验室电脑中配置好名为MOMA的环境。官网直接全选库库装，反正装完了就能pip了。

GitHub：代码复现：

Gymnasium 是 OpenAI 的 Gym 库的维护分支。Gymnasium 接口简单、pythonic，能够表示一般的 RL 问题，并且具有适用于旧 Gym 环境的兼容性包装器。

Wrappers（包装器）是一种修改现有环境而无需直接修改底层代码的方便方法。使用Wrappers（包装器）将允许您避免大量样板代码，并使您的环境更加模块化。Wrappers（包装器）也可以被链接以组合它们的效果。大多数通过生成的环境将默认使用TimeLimit和进行包装。

本页提供了一个关于如何训练Gym环境中的智能体的简短概述，特别是，我们将使用基于表格的Q-learning来解决Blackjack v1环境。有关本教程的完整版本以及其他环境和算法的更多培训教程，请参阅此。在阅读此页之前，请先阅读基本用法。在我们实现任何代码之前，这里有一个Blackjack（21点游戏）和Q-learning的概述。21点是最受欢迎的赌场纸牌游戏之一，在某些条件下也因可击败而臭名昭着。

它包括一辆随机放置在正弦谷底部的汽车，唯一可能的动作是可以在任何方向上应用于汽车的加速度。gymnasium的山地车域car domain有两种形式：一种是离散动作，一种是连续动作。这个MDP的目标是策略性地给汽车加速，以实现目标：使汽车到达正确的山顶。这个版本是具有离散动作的版本。mountain car这个环境是一个确定性的。