MAAC代码分析 对于算法部分的分析请看这里：MAAC算法总结 - 简书 (jianshu.com)[https://www.jianshu.c...

论文原文：Actor-Attention-Critic for Multi-Agent Reinforcement Learning 参考文章（...

首先项目结构如下： 这个项目是用之前Flask+opencv那个项目改的，所以请无视main.py，server.py，upload.html，...

论文原文：Sample-Efficient Reinforcement Learning via Conservative Model-Base...

论文原文：QTRAN: Learning to Factorize with Transformation for Cooperative Mu...

DeepCFR 使用神经网络拟合虚拟遗憾最小化算法 两个神经网络： 虚拟遗憾估值网络：，输入一个状态，输出该状态采用不同动作之后的遗憾值 策略网...

MCCFR算法/蒙特卡洛反事实最小化算法 MCCFR算法对于一棵博弈树进行多次迭代，每次迭代时会选择一位玩家作为遍历者，该玩家的策略会在本轮迭代...

参考链接：Proximal Policy Optimization(PPO)算法原理及实现！ - 简书[https://www.jianshu....

蒙特卡洛树搜索（MCTS） 前向搜索 前向搜索算法从当前状态节点开始，对该状态节点所有可能的动作进行扩展，建立一颗以为根节点的搜索树 前向搜索在...