Multi-Agent-Reinforcement-Learning-Environment

多代理学习环境 你好,我推送了一些用于多代理强化学习的 Python 环境。其中一些是单代理版本,可用于算法测试。我为每个环境提供了文档,您可以在每个目录中查看对应的 PDF 文件。这些只是玩具问题,虽然其中一些仍然很难解决。一些环境如下:

多代理环境标准 假设:

每个代理都以同步方式工作。 成员函数

reset()

reward_list, done = step(action_list) obs_list = get_obs() reward_list 记录每个代理的单步奖励,应该是一个列表,如 [reward1, reward2, ...]。长度应该与代理数量相同。列表中的每个元素应该是一个整数。 done 为 True/False,标记当一个回合结束时。 action_list 记录每个代理的单步动作指令,应该是一个列表,如 [action1, action2, ...]。长度应该与代理数量相同。列表中的每个元素应该是一个非负整数。

obs_list 记录了每个代理的单步观测，它应该是一个列表，例如 [obs1, obs2, ...]。长度应该与代理数量相同。列表中的每个元素可以是任何形式的数据，但应该具有相同的维度，通常是变量列表或图像。

参考以下论文的环境如下：