越努力，越幸运！

发生这个错误是因为自定义环境时，环境的观测空间类型定义与reset（）时返回的数据类型不一致，故发生报错。1 修改自己的观测数据，确保与定义的类型一致2 由错误位置可以看出是环境规则检查的check函数发生报错，那么我们在确保自己环境可正常运行的情况下可将 disable_env_checker = True即：这样就关闭了gym的环境检测，不会发生check的报错实验测试记录使用，仅供参考...

多智能体强化学习—QMIX论文地址：https://arxiv.org/pdf/1803.11485.pdf1 介绍  首先介绍一下VDN（value decomposition networks）顾名思义，VDN是一种价值分解的网络，采用对每个智能体的值函数进行整合，得到一个联合动作值函数。为了简单阐述考虑两个智能体：（o-observations，a-actions，Q-action-value function）  当智能体观察他自己的目标时，但不一定是队友的目标，那么有：  当(oi

QPLEX的主要亮点**:分别对联合Q值 $Q_{tot}$ 和各个agent的Q值 $Q_{i}$ 使用Dueling structure: $Q=V+A$ 进行分解，将IGM一致性转化为易于实现的优势函数取值范围约束，从而方便了具有线性分解结构的值函数的学习，这种分解让Q值的获得更为具体，***Q值=当前状态的价值V+采取动作的价值A***，这样可以进一步判断Q值的获得是由于状态还是由于采取的动作的优势。