MADDPG-MASTER调试笔记（四）——参数调整

已于 2023-11-06 20:31:17 修改
阅读量539 收藏 2
点赞数 1
分类专栏： 代码调试 文章标签： 笔记
于 2023-11-01 21:08:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Fearless_Sun/article/details/134164812
版权

 系列博客：

【深度强化学习】多智能体深度强化学习-CSDN博客

MADDPG-MASTER调试笔记（一）——环境创建_酸酸甜甜我最爱的博客-CSDN博客

MADDPG-MASTER调试笔记（二）——环境创建-CSDN博客

MADDPG-MASTER调试笔记（三）——正式调试-CSDN博客

MADDPG-MASTER调试笔记（四）——参数调整-CSDN博客

根据研究需要，我选择的环境是simple_tag，即捕食者环境，现在对此环境的一些参数进行调整，判断效果。

一、被捕食者的数量

原代码默认的被捕食者数量为1，捕食者数量为3。现将被捕食者数量增加到2，捕食者数量不变，查看效果。

效果图1
效果图2
效果图3
效果图4
效果图5
效果图6

二、地障可以移动

原代码默认地障是固定不动的，现改成可以移动，看看是什么效果。

效果图1
效果图2
效果图3

酸酸甜甜我最爱
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
专栏目录
MADDPG分析及其更新策略见解
ZYunfei的博客
01-17 8807
引子   深度强化学习可以分为两类：单智能体算法和多智能体算法，单智能体算法从DQN开始有policy gradient、actor critic、dpg、ppo、ddpg、sac等等，它们解决的是环境中存在一个智能体的情况（或者是多个智能体可以转化为一个智能体决策的情况），但是在某些环境（environment）下，似乎单智能体算法就有些心有余而力不足，例如足球比赛亦或是追逐游戏。如果依旧对每个agent采用单智能体算法会出现如下情况：在第iii个agent做出动作aia_iai​的情况下由于其余agen
多智能体深度强化学习——MADDPG算法代码分析（tensorflow）
热门推荐
One step, One punch
12-12 4万+
MADDPG算法介绍 MADDPG代码分析与实验
MADDPG 不同环境训练参数配置
qq_41860637的博客
03-22 4320
网页https://www.cnblogs.com/initial-h/p/9429632.html中包含四个场景： 追捕环境、Physical deception、Cooperative communication、Cooperative navigation。 分别对应https://github.com/openai/multiagent-particle-envs#creating-new-environments中预设的九种场景中的 1.simple_world_comm ...
MADDPG-MASTER调试笔记（三）——正式调试
Fearless_Sun的博客
10-27 832
在做好前期工作后，正式开始在Pycharm中运行代码，进行代码的检查与运用。一、阅读READ ME。
MADDPG tensorflow2.0
qq_42412225的博客
05-13 1274
MADDPG 的 tensorflow2.0实现 学习之用，有问题欢迎指出
MADDPG算法学习笔记（一）
weixin_47698927的博客
01-29 1979
相反，如果Critic给的分数低，那么就减少这个动作输出的概率。首先，用一张图来表示DDPG的整体结构，其中，S表示智能体状态，A表示智能体的动作，Q值为从任务开始到结束智能体状态的总奖励值。当我们把某个state输入到DDPG的Actor中的时候，相当于在这块布上做沿着state所在的位置剪开，这个时候大家会看到这个边缘是一条曲线。这个和之前DQN的更新公式非常像，只不过DQN的更新用了Q，而TD-error用的是V。如上图中的红色曲线，这条曲线指的是在某个状态下，选择某个动作值的时候，能获得的。
maddpg-master.zip
09-15
【标题】：“maddpg-master.zip”是一个包含MADDPG（Multi-Agent Deep Deterministic Policy Gradient）算法实现的代码库的压缩文件。MADDPG是多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）领域的...
BMX055_ACC-master_BMX055——ACC_
10-02
【BMX055_ACC-master_BMX055——ACC_】这个项目主要涉及的是针对BMX055传感器的ACC（加速度计）部分的驱动程序开发。BMX055是一款高度集成的三轴陀螺仪、三轴磁力计和三轴加速度计的传感器模块，广泛应用于物联网...
ModbusTCP-Master 调试工具
最新发布
02-05
【ModbusTCP-Master 调试工具】是一款专用于Modbus TCP协议调试的专业软件，对于从事通信协议开发的工程师来说，它是一个极其方便的工具。Modbus是一种广泛应用的工业通信协议，尤其在PLC（可编程逻辑控制器）和...
spring-mybatis-struts2-master ——demo
02-19
《SSM框架整合详解——基于spring-mybatis-struts2-master的实战分析》 在Java Web开发领域，SSM（Spring、Struts2、MyBatis）框架的组合被广泛使用，因其灵活性和强大的功能而备受青睐。本篇文章将深入探讨这个...
TD3:作者的TD3的PyTorch实施，用于OpenAI体育馆任务
05-01
Actor-Critic方法中的地址函数逼近误差 双延迟深度确定性策略梯度（TD3）的PyTorch实现。 如果您使用我们的代码或数据，请引用。 在连续控制任务上进行了测试。 使用和Python 3.7训练网络。 用法 可以通过运行以下操作来重现论文结果： ./experiments.sh 可以通过调用以下命令来运行单个环境的实验： python main.py --env HalfCheetah-v2 可以使用main.py的不同参数修改超参数。 我们包括了DDPG（DDPG.py）的实现，本文不使用该实现，以便于将超参数与TD3轻松进行比较。 这不是本文中使用的“ Our DDPG”的实现（请参阅OurDDPG.py）。 可以在找到TD3与之比较的算法（PPO，TRPO，ACKTR，DDPG）。 结果 代码不再完全代表本文中使用的代码。 对超参数等进行细微调整，以提高性能。 学
scrcpy-master_scrcpy-master.zip_
10-03
《scrcpy-master：安卓设备屏幕投射与控制详解》 在当今的数字时代，安卓设备与电脑的交互越来越频繁，而scrcpy-master则是一个强大的工具，它实现了安卓手机屏幕在电脑上的实时投射，并允许用户通过电脑对手机进行...
深度解析OPENAI-MADDPG
Dr.Zee的博客
08-26 1万+
Zee带你看RL代码系列 学习强化学习，码代码的能力必须要出众，要快速入门强化学习 搞清楚其中真正的原理，读源码是一个最简单的最直接的方式。最近创建了一系列该类型文章，希望对大家有多帮助。 另外，我会将所有的文章及所做的一些简单项目，放在文章目录Zee带你看RL代码系列深度解析MADDPGMADDPG原理程序架构ENV 部分具体子环境Make_Worldreset world此外此函数中定义奖励 ...
MADDPG的MPE实现
qq_42592227的博客
08-04 1068
MADDPG尝试
MADDPG论文、项目学习记录
weixin_40820983的博客
02-16 7740
今天看了论文和工程介绍，明天理清算法流程并跑一遍代码吧。 论文地址：Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments 项目地址：OPENAI-MADDPG 文文大神的项目地址 学习链接：OpenAI-MADDPG 工程简单解析及个人想法 论文解读1 论文翻译 存在的疑问： 1 为什...
MARL学习篇----MADDPG
qq_37395293的博客
04-02 1万+
MARL学习篇----MADDPG 前言 MADDPG是DDPG在多智能体任务中的一种扩展，其基础思想为：集中式学习，分散式执行（CTDE）。 简单来说，在训练的时候，引入可以观察全局的critic来指导actor训练，而测试的时候只使用有局部观测的actor采取行动。。你可以这么理解：每一个agent都有一个全知全能的老师指导，而在做决策的时候，agent只需要根据自己对环境的观察做出正确的动作。 这种思想简单粗暴但方法却行之有效，可见这其中的trick应该不少。 算法简介 传统强化学习方法很难用在mul
多智能体强化学习之MADDPG
weixin_44548214的博客
05-12 2万+
MADDPG（Multi-agent Deep Deterministic Policy Gradient） MADDPG可以看作三部分，首先是DPG（Deterministic Policy Gradient），然后是DDPG（Deep Deterministic Policy Gradient），最后是MADDPG（Multi-agent Deeep Deterministic Policy Gradient）。我们需要逐一了解。 1、什么是DPG？ DPG是在连续动作空间上采用确定策略进行Policy
多代理强化学习MARL（MADDPG，Minimax-Q，Nash Q-Learning）
nakaizura
10-27 1万+
由于强化学习领域目前还有很多的问题，如数据利用率，收敛，调参玄学等，对于单个Agent的训练就已经很难了。但是在实际生活中单一代理所能做的事情还是太少了，而且按照群体的智慧，不考虑训练硬件和时长问题，使用多个agent同时进行学习，会不会有奇招呢？另外如果在需要multi-agent的场景下，如想要完成多人游戏的话，也必须要考虑到多代理的问题。 博弈论（game theory） 在单个agent...
【二】MADDPG多智能体算法实现(parl)【追逐游戏复现】
丨汀、的博客
03-29 1万+
论文全称：Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments 论文原文：https://download.csdn.net/download/sinat_39620217/16203960 论文翻译：https://blog.csdn.net/qiusuoxiaozi/article/details/79066612 ...
--master-data参数值的区别
07-10
在 MySQL 的备份工具 mysqldump 中，`--master-data` 参数用于指定备份时二进制日志文件和位置信息的添加方式。它有以下几个可选的参数值： 1. `--master-data=0`：不添加二进制日志文件和位置信息到备份文件中。这...
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值