写在前面 本项目用于学习RL基础算法，尽量做到： 注释详细 结构清晰 代码结构清晰，主要分为以下几个脚本： env.py用于重建强化学习环境，也可以重新归一化环境，例如给动作加噪声 model.py强化学习算法的基本模型，局部神经网络，演员，评论家等 memory.py保存重放缓冲区，用于off-policy agent.py RL核心算法，某种dqn等，主要包含update和select_action两个方法， main.py运行主函数 params.py保存各种参数 plot.py利用