强化学习教程 此内容通过几行代码向您展示了典型的强化学习（RL）方法的工作。 通过此存储库中的这些内容，CartPole环境用于运行RL。有关此环境的规格（动作空间，观察空间和奖励），请参见下文。 样例代码 import gym import random def pick_sample(): return random.randint(0, 1) env = gym.make("CartPole-v0") for i in range(1): print("start episode

写在前面 本项目用于学习RL基础算法，尽量做到： 注释详细 结构清晰 代码结构清晰，主要分为以下几个脚本： env.py用于重建强化学习环境，也可以重新归一化环境，例如给动作加噪声 model.py强化学习算法的基本模型，局部神经网络，演员，评论家等 memory.py保存重放缓冲区，用于off-policy agent.py RL核心算法，某种dqn等，主要包含update和select_action两个方法， main.py运行主函数 params.py保存各种参数 plot.py利用