源码
环境配置
- dependencies：
python 3.6.13（创建虚拟环境
conda create -n env python=3.6）
gym 0.10.5（）
numpy 1.14.5
tensorflow 1.8.0 - 分别进入maddpg和MPE根目录下，执行
pip install -e . - 将multiagent复制到maddpg根目录下
代码运行
-
进入experiments文件夹下，执行
python train.py --scenario env --display–scenario 场景选择
–display 训练过程中可观测图像
MPE源码解析
gym
-
env.action_space：动作空间
Discrete(n)：离散空间，n维，用法
env.space.Discrete(2)
Box(n, ) ：离散空间，n维，用法env.space.Box(2)
env.action_space.sample()：在动作空间中随机选取一个作为输出 - env.observation：观测空间
Discrete(n)：离散空间，n维，用法
env.space.Discrete(2)
Box(n, ) ：离散空间，n维，用法env.space.Box(2) - env.step(action)：执行动作，反馈状态，计算奖励
返回值包括：observation、reward、done、info
observation：当前状态信息
reward：执行动作后的奖励值
done：表示游戏是否已完成，完成则重置，开始新回合
info：用于debug的信息 - 创建新场景
make_world( )：创建实体，实体参数设置等
reset_world( )：环境重置，初始状态设置，颜色等设置
reward( )：奖励函数
observation( )：状态
benchmark_data( )：为策略提供评价指标