强化学习和深度学习的结合产生了一系列重要的算法，本项目将着重参考相关 paper 并尽可能实现相关算法，这里使用的深度学习框架是 Pytorch。

尽管在 Github 上可以看到需要基于该框架的实现。自己动手实现，包括调试以及跑实验……，这个完整的过程，会使得对于算法的理解，以及算法的细微末节处可能遇到的问题更清楚， 从宏观上，你仍然可以参考其他人的实现，但永远不可以简单地 copy & paste，学习这个过程，别人永远无法替你完成。当然，你也会遇到一些问题， 亲自解决这些问题使得你今后对于算法的调试有许多帮助。

从头开始的另一个好处，就是你能把握整个知识脉络，由简单到复杂，性能对比，能够做到心中有数。我的实际使用中会涉及到调用相关的算法，但很难受的是，我一上手 就去调用人家写的东西，实验效果不理想，而无从调试，也不知道问题出在哪里。这就是用别人的东西存在的问题，调用高质量的库能够节省时间也能保证质量，但前提是 ————你了解细节，你已经具备基础。

1. DQN系列(Naive DQN, Double DQN, Dueling DQN etc.)

   • Naive DQN
   • Double DQN
   • Dueling DQN

2. Policy Gradient系列(Reinforce, Vanilla PG, TRPO, PPO etc.)

   • REINFORCE
   • VPG (Vanilla Policy Gradient)
   • PPO (Proximal Policy Optimization)
   • TRPO (Trust Region Policy Optimization)

• DQNs on CartPole-v0

  

• REINFORCE on MountainCar-v0

  

• PPO on BipedalWalker-v2:

  

• PGs on Mujoco