DI-sheep

收录理由

这个项目把深度强化学习用在了一款大家都很熟悉的消除类游戏上，不是那种只跑在模拟器里的玩具示例。它把游戏环境、Actor-Critic 网络、PPO 训练脚本都串成了一条完整的链路，从配置环境到跑训练都能照着做。因为游戏本身直观，观察棋盘、选择消除、从奖励中学习改进这些概念就变得特别好懂，比啃抽象的教科书例子轻松不少。前端用 React 写了个界面，后端是 Flask，能直接在浏览器里看训练好的智能体玩，也可以换成自己的模型试试。环境文件是独立封装的，想改造成类似的翻牌消除玩法可以直接拿过来用。训练好的权重目前还比较粗糙，但这反而方便观察调参对智能体表现的影响，更适合拿来动手琢磨而不是当成品用。