all-rl-algorithms

收录理由

这个仓库把十八个强化学习算法写成了 Jupyter Notebook，从 Q-Learning、SARSA 这类表格方法一路做到 PPO、SAC、DDPG，还覆盖了 MADDPG、QMIX 等多智能体方案，代码只用 NumPy、Matplotlib 和 PyTorch，尽量贴近算法背后的数学推导。作者有意牺牲运行速度来换可读性，所以读起来更像一本能动手玩的交互式教材，而不是追求性能的正式库。随附的速查表把公式和伪代码集中在一起，方便回顾。因为所有内容都在 Notebook 里，改个超参数马上就能看到结果变化，这对想搞懂价值方法、策略梯度以及基于模型机制的学生、研究者，或者准备上手重型框架的工程师来说，都是很实用的入门材料。