学习笔记：CliffWalking-v0环境实现Sarsa算法和Q-learning算法

源代码请参考（非本人写的）GitHub - XinJingHao/Deep-Reinforcement-Learning-Algorithms-with-Pytorch: Clean, Robust, and Unified PyTorch implementation of popular DRL Algorithms (Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)

根据环境要求配置好自己的环境，随后进行运行就可以了。

tensorboard的训练图如下：

这里有个小技巧是，原来的代码创建的日志名称有点长，如果想要看这个图的话，可以直接直接把那个路径写成：

log_dir='logs'

这样看的时候方便一些。

由于在学习阶段，所以想把这个Q-learning的代码改成Sarsa的，他俩本身也比较相似。

只需要改训练参数的那一部分

Q-learing是直接选择下一状态的最优动作的价值来更新，而Sarsa是会多使用一次动作选择，由此来更新，所以只需要在train这里做一下更改就可以了。

以上谨是个人学习记录。