rainbow is all you need

RLエージェントがアタリをうまく動かしたいですか？

虹はあなたが必要とするすべてです！

これは、DQNからRainbowへの段階的なチュートリアルです。すべての章には、理論的背景とオブジェクト指向の実装の両方が含まれています。興味のあるトピックを選択して、学びましょう！スマートフォンでもColabを使用してすぐに実行できます。

あなたがそれをより良くするために何かを持っているなら、問題またはプル・レクストを自由に開くようにしてください。 :)

ポリシーグラデーションメソッドのチュートリアルが必要な場合は、PGだけが必要です。

コンテンツ

1. dqn [nbviewer] [colab]
2. doubledqn [nbviewer] [colab]
3. 優先experiencereplay [nbviewer] [colab]
4. duelingnet [nbviewer] [colab]
5. noisynet [nbviewer] [colab]
6. categoricaldqn [nbviewer] [colab]
7. n-steplearning [nbviewer] [colab]
8. レインボー[nbviewer] [colab]

前提条件

このリポジトリは、Python 3.8+でテストされています

 git clone https://github.com/Curt-Park/rainbow-is-all-you-need.git
cd rainbow-is-all-you-need
make setup

実行方法

 jupyter lab

関連論文

1. V. Mnih et al。、「深い強化学習による人間レベルの制御」。 Nature、518（7540）：529–533、2015。
2. Van Hasselt et al。、「ダブルQラーニングによる深い補強学習」。 Arxiv Preprint arxiv：1509.06461、2015。
3. T. Schaul et al。、「優先順位付けされたエクスペリエンスリプレイ」。 Arxiv Preprint Arxiv：1511.05952、2015。
4. Z. Wang et al。、「深い強化学習のための決闘ネットワークアーキテクチャ。」 Arxiv Preprint arxiv：1511.06581、2015。
5. M. Fortunato et al。、「探検のための騒々しいネットワーク」。 arxiv preprint arxiv：1706.10295、2017。
6. MG Bellemare et al。、「強化学習に関する分布視点」。 arxiv preprint arxiv：1707.06887、2017。
7. RS Sutton、「時間的違いの方法によって予測することを学ぶ」。機械学習、3（1）：9–44、1988。
8. M. Hessel et al。、「Rainbow：深い強化学習の改善の組み合わせ」。 arxiv preprint arxiv：1710.02298、2017。

貢献者

これらの素晴らしい人々に感謝します（絵文字キー）：

ジンウーパーク（カート）	キュングワン・キム	ウェイ・チェン ？	王レイ ？	リーヤフ	ahmadf	ロベルト・シアボーネ
デビッド・ユーアン	Dhanushka2001

このプロジェクトは、全委員会の仕様に従います。あらゆる種類の貢献を歓迎します！