PyMARL2：革新多智能体强化学习的开源框架

PyMARL2：革新多智能体强化学习的开源框架

pymarl2Fine-tuned MARL algorithms on SMAC (100% win rates on most scenarios)项目地址:https://gitcode.com/gh_mirrors/py/pymarl2

项目介绍

PyMARL2 是一个开源的多智能体强化学习（MARL）框架，由 WhiRL 开发。该项目基于论文 Rethinking the Implementation Tricks and Monotonicity Constraint in Cooperative Multi-Agent Reinforcement Learning 实现，特别针对 StarCraft Multi-agent Challenge (SMAC) 进行了优化。此外，PyMARL2 还支持其他多智能体任务，并推荐使用优化版的 QMIX 实现。

项目技术分析

PyMARL2 框架集成了多种先进的 MARL 算法，包括但不限于 QMIX、VDN、IQL、QTRAN、Qatten、QPLEX 和 WQMIX 等。这些算法涵盖了价值基方法和演员-评论家方法，为不同类型的多智能体任务提供了强大的技术支持。

项目及技术应用场景

PyMARL2 适用于多种多智能体应用场景，包括但不限于：

• 星际争霸II（StarCraft II）：通过 SMAC 挑战，优化多智能体协作策略。
• Google 足球环境：在简化特征集上训练模型，探索多智能体在体育游戏中的应用。
• 通信任务：通过 QMIX-with-attention 算法，解决需要智能体间通信的复杂任务。

项目特点

PyMARL2 的主要特点包括：

• 高样本效率：通过 qmix_high_sample_efficiency.yaml 配置，使用 4 个进程进行训练，虽然速度较慢，但样本效率更高。
• 细粒度调优：针对每个场景精细调整超参数，确保在各种难度级别的场景中都能达到最佳性能。
• 算法多样性：支持多种 MARL 算法，满足不同应用需求。
• 易于使用：提供详细的安装和运行指南，方便用户快速上手。

结语

PyMARL2 不仅是一个技术先进的 MARL 框架，更是一个推动多智能体系统研究和应用的重要工具。无论你是研究者还是开发者，PyMARL2 都能为你提供强大的支持，帮助你在多智能体领域取得突破。立即尝试 PyMARL2，开启你的多智能体强化学习之旅！

---

安装指南

# 创建并激活 Conda 环境
conda create -n pymarl python=3.8 -y
conda activate pymarl

# 安装依赖
bash install_dependecies.sh

# 设置 StarCraft II 和 SMAC
bash install_sc2.sh

# 设置 Google Football
bash install_gfootball.sh

运行实验

# 对于 SMAC
python3 src/main.py --config=qmix --env-config=sc2 with env_args.map_name=corridor

# 对于通信任务
python3 src/main.py --config=qmix_att --env-config=sc2 with env_args.map_name=1o_10b_vs_1r

通过以上步骤，你可以轻松地开始使用 PyMARL2，探索多智能体强化学习的无限可能！

pymarl2Fine-tuned MARL algorithms on SMAC (100% win rates on most scenarios)项目地址:https://gitcode.com/gh_mirrors/py/pymarl2