reinforcement-learning

收录理由

这个仓库很适合想通过阅读真实代码来理解强化学习的人，而不只是停留在理论层面。每个算法都打包在一个独立的 Python 文件里，你从论文中的更新公式出发，很快就能跑通一个可运行的示例，不用在庞大的框架里绕来绕去。内容覆盖了从价值迭代、SARSA 这类经典表格方法，到 DQN、A2C、PPO、REINFORCE 等深度方法，最近还基于 PyTorch 重写，配合 gymnasium 和 uv 管理依赖，每个文件都注明了对应的论文和核心公式。仓库里还提供了基准测试数据，比如在 Apple 芯片上运行 DQN 和 PPO 玩 Atari 游戏的实际训练时长和内存占用，能让你对这些算法的计算代价有个现实的预估。对学生和开发者来说，这是一份很好的学习资料和参考手册，而不是拿来直接上生产环境的现成方案。