项目特点
- 依赖最小化：除了python基础库和pytorch基础运算外，不借助其他第三方库
- 理论+代码：包含几乎所有强化学习相关的原理和推导，并从零实现常见的强化学习算法
- 实践案例：包含AlphaZero、RLHF等热门、最新的实践案例
- 代码简洁：参考原论文及多种开源实现，尽量简化代码，确保正确的同时降低学习难度
欢迎大家来一起完善代码和教程
文字教程见：
- 基于价值的强化学习1
- 强化学习中的蒙特卡洛法、时序差分法、贝尔曼方程的对比及代码实现
- q-learning原理、代码实现
- sarsa、sarsa-lambda原理、代码实现
- DQN原理、代码实现
- DQN优化1：Replay Buffer、Fixed Q Target
- DQN优化2：Double DQN
- DQN优化3：Dueling DQN
- DQN优化4：Prioritized Replay Buffer
- Sum-Tree原理、代码实现
- 基于价值的强化学习2
- DQN中六种优化方法的直观对比
- DQN优化5：Multi-step Learning
- DQN优化6：Noisy Net
- DQN优化7：Distributional RL
- Rainbow实践案例：super-mario训练（含环境、键盘demo、算法、checkpoint等）
- 基于策略的强化学习1
- Monte-Carlo
- Q-Learning
- Sarsa（及Sarsa-Lambda）
- DQN（及Rainbow）
- SuperMario with Rainbow*
- REINFORCE
- AC, A2C
- A3C
- DPG
- DDPG
- TRPO
- PPO
- 基于价值的强化学习-算法实现
- 基于价值的强化学习-实践案例 (super-mario)
- 基于策略的强化学习-算法实现
- 基于策略的强化学习-实践案例 (机械臂/机械狗)
- RLHF: 通义千问模型的ppo、dpo训练
- Alpha: AlphaZero、MuZero训练五子棋、斗地主、麻将