<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[onlyyyyyyee的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/onlyyyyyyee</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; onlyyyyyyee]]></copyright><item><title><![CDATA[MAPPO动作类型改进（二）——MAPPO+连续环境]]></title><link>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/140045498</link><guid>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/140045498</guid><author>onlyyyyyyee</author><pubDate>Fri, 28 Jun 2024 16:52:23 +0800</pubDate><description><![CDATA[以上改进都来自个人经验，正确性还有需要结合具体环境验证，如有错误，欢迎指正同时大家有疑问可评论留言，如想要已经改好的代码可联系本人（可提供指导），邮箱2360278536@qq.com对MAPPO算法代码总体流程不太了解，可以参考多智能体强化学习MAPPO源代码解读对MAPPO算法理论知识不太了解，可以参考多智能体强化学习之MAPPO理论解读和多智能体强化学习(二) MAPPO算法详解MAPPO+离散环境讲解。]]></description><category></category></item><item><title><![CDATA[MAPPO动作类型改进（一）——MAPPO+离散环境]]></title><link>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/139331501</link><guid>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/139331501</guid><author>onlyyyyyyee</author><pubDate>Thu, 30 May 2024 18:12:16 +0800</pubDate><description><![CDATA[MAPPO算法+离散环境实现示例]]></description><category></category></item><item><title><![CDATA[多智能体强化学习之MAPPO测试模型]]></title><link>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/125086240</link><guid>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/125086240</guid><author>onlyyyyyyee</author><pubDate>Mon, 26 Sep 2022 17:12:46 +0800</pubDate><description><![CDATA[测试训练好的神经网络模型]]></description><category></category></item><item><title><![CDATA[多智能体强化学习之MAPPO理论解读]]></title><link>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/118640097</link><guid>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/118640097</guid><author>onlyyyyyyee</author><pubDate>Wed, 25 May 2022 17:54:25 +0800</pubDate><description><![CDATA[多智能体强化学习之MAPPO算法
MAPPO训练过程
本文主要是结合文章Joint Optimization of Handover Control and Power Allocation Based on Multi-Agent Deep Reinforcement Learning对MAPPO算法进行解析。
该文章详细地介绍了作者应用MAPPO时如何定义奖励、动作等，目前该文章没有在git-hub开放代码，如果想配合代码学习MAPPO，可以参考MAPPO算法详解该博客有对MAPPO代码详细的解释。
在]]></description><category></category></item><item><title><![CDATA[多智能体强化学习MAPPO源代码解读]]></title><link>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/118888711</link><guid>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/118888711</guid><author>onlyyyyyyee</author><pubDate>Mon, 19 Jul 2021 21:39:52 +0800</pubDate><description><![CDATA[多智能体强化学习MAPPO源代码解读
在上一篇文章中，我们简单的介绍了MAPPO算法的流程与核心思想，并未结合代码对MAPPO进行介绍，为此，本篇对MAPPO开源代码进行详细解读。本篇解读适合入门学习者，想从全局了解这篇代码的话请参考博主小小何先生的博客。
论文名称：
The Surprising Effectiveness of MAPPO in Cooperative, Multi-Agent Games
代码下载地址：
https://github.com/tinyzqh/light_mappo
这是]]></description><category></category></item><item><title><![CDATA[py4j实现python与java通信环境配置及实例]]></title><link>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/117400886</link><guid>https://blog.youkuaiyun.com/onlyyyyyyee/article/details/117400886</guid><author>onlyyyyyyee</author><pubDate>Sun, 30 May 2021 18:12:11 +0800</pubDate><description><![CDATA[py4j的安装
在pycharm中调试好基本配置后，安装py4j，然后找到py4j源文件的位置（一般在anaconda创建的python模拟器中），然后复制这个文件到桌面，并改名为py4j。

安装jdk
这部分网上教程很多，大家按照网上流程安装即可，选择合适的版本（我装的jdk11）。
jdk安装教程
eclipse安装并为其配置jdk、Tomcat
eclipse为免安装软件，解压后打开eclipse.exe即可
eclipse安装教程
加压完成后打开，设置工作区路径，开始配设置jdk环境
eclips]]></description><category></category></item></channel></rss>