RL Basic Learn

Info

• bandit.py ：K-臂老虎机
• td.py：时序差分算法，包含单步 Sarsa，多步 Sarsa，Q-Learning
• dyna-q.py ：Dyna-Q 算法
• dqn.py ：DQN 算法及其两种进阶：Double DQN 与 Dueling DQN
• reinforce.py ：策略梯度算法
• actor_critic.py ：演员-评论员算法
• trpo.py ：TRPO 算法
• ppo.py ：PPO 算法