Reinforcement Learning

• Tensorflow implementations of Reinforcement Learning methods for Atari 2600.
• 강화학습의 유명한 알고리즘들을 구현했습니다.
• Atari 2600 를 대상으로 실험할 수 있습니다.

Requirements

• Python v3.6
• tensorflow v1.4
• OpenAI Gym v0.9

How to use

• python3 main.py --game [game name] --model [model name]
  • [game name] : BreakoutDeterministic, Seaquest, etc. default : BreakoutDeterministic
  • [model name] : dqn, a3c etc. default : dqn
• 자세한 설정은 main.py, Config.py 에서 조정할 수 있습니다.
• dqn.py, drqn.py는 네트워크 클래스와 아타리에서의 학습을 할 수 있는 메소드로 이루어져 있습니다.
• a3c.py는 네트워크 클래스와 아타리에서 학습을 진행하는 Worker 클래스, global 네트워크와 worker를 설정하고 학습을 시작하는 메소드로 이루어져 있습니다.

Contents

• Value Based Reinforcement Learning
  • DQN
  • Double DQN
  • Dueling DQN
  • DRQN
• Policy Based Reinforcement Learning
  • A3C
• To be added
  • DARQN
  • Asynchronous n-step Q-learning
  • PG, DPG, DDPG
  • NPG, TRPO, GAE, PPO

Note

• NOTE.md 에 비고사항을 기록했습니다.

References

• Studies
  • Human-level control through deep reinforcement learning
  • Deep Reinforcement Learning with Double Q-Learning
  • Dueling Network Architectures for Deep Reinforcement Learning
  • Deep recurrent q-learning for partially observable mdps
  • Deep attention recurrent Q-network
  • Asynchronous Methods for Deep Reinforcement Learning
• Github repositories
  • https://gist.github.com/awjuliani/35d2ab3409fc818011b6519f0f1629df
  • https://github.com/openai/universe-starter-agent/blob/293904f01b4180ecf92dd9536284548108074a44/a3c.py
  • https://github.com/rlcode/reinforcement-learning-kr