RL

|── RL
|   ├── taxi_DQN_pytorch_v1：v1的格式与v2格式一样
|   ├── taxi_DQN_pytorch_v2
|						 └── ├── agent.py ：智能体类及其函数
|							 ├── model.py ：Q网络类及其函数
|							 ├── memory.py：经验回访池类及其函数
|							 ├── utils.py ：一些需要的自定义函数
|							 ├── main.ipynb：主要的训练操作，验证步骤
|							 ├── model：保存anget参数，pth格式
|							 ├── animation：验证的动画
|   ├── taxi_DQN_pytorch_v3：v3的格式与v2格式一样
|   ├── atari_DQN_pytorch
|						 └── ├── agent.py ：智能体类及其函数
|							 ├── model.py ：Q网络类及其函数
|							 ├── memory.py：经验回访池类及其函数
|							 ├── env_wraped.py ：对atari环境进行包装
|							 ├── main.ipynb：主要的训练操作，验证步骤
|							 ├── model：保存anget参数，pth格式
|							 ├── animation：验证的动画
|   ├── Taxi-DQN.md：taxi环境下的训练说明文档
|   ├── MDP.md：强化学习中的经典马尔可夫过程
|   ├── DP.md：解决MDP问题的动态规划
|   ├── model_free_prediction.md：无模型的预测，包括蒙特卡罗方法和时间差分方法
|   ├── model_free_control.md：无模型的控制，包括蒙特卡罗方法和时间差分方法