MADRL

注： 包含一些修正的版本，如前三款环境，已集成在PettingZoo中（https://github.com/PettingZoo-Team/PettingZoo，https://pettingzoo.farama.org/environments/sisl/）

这个包提供了以下多智能体强化学习环境的实现：

• 追逐逃脱
• 水世界
• 多智能体步行者
• [多足机器人](https://github.com/sisl/MADRL/blob/master/madrl_environments/mujoco/ant/multi_ant.py）

要求

此包需要OpenAI Gym和rllab的一个分支（多智能体分支）。如果使用anaconda分布，可以在rllab/environment.yml文件中找到其他一些要求。

安装

安装MADRL及其依赖项最简单的方法是递归克隆此存储库。

git clone --recursive git@github.com:sisl/MADRL.git

接着，添加目录到PYTHONPATH

export PYTHONPATH=$(pwd):$(pwd)/rltools:$(pwd)/rllab:$PYTHONPATH

安装必需的依赖项。如果你使用anaconda分发，可以查看rllab/environment.yml文件。

使用

用课程训练的例子运行：

python3 runners/run_multiwalker.py rllab \ # 使用rllab进行训练
    --control decentralized \ # 分布式训练协议
    --policy_hidden 100,50,25 \ # 设置MLP策略隐藏层大小
    --n_iter 200 \ # 迭代次数
    --n_walkers 2 \ # 初始行走者数量
    --batch_size 24000 \ # 滚动步点数
    --curriculum lessons/multiwalker/env.yaml

细节

策略定义位于rllab/sandbox/rocky/tf/policies。

引用

如果你觉得本项目有用，请引用随附的文章：

@inproceedings{gupta2017cooperative,
  title={Cooperative multi-agent control using deep reinforcement learning},
  author={Gupta, Jayesh K and Egorov, Maxim and Kochenderfer, Mykel},
  booktitle={International Conference on Autonomous Agents and Multiagent Systems},
  pages={66--83},
  year={2017},
  organization={Springer}
}