Implémentations de IQL, QMIX, VDN, COMA, QTRAN, MAVEN, CommNet, DyMA-CL, et G2ANet sur SMAC, le scénario de micromanagement décentralisé de StarCraft II
Implémentez et testez divers algorithmes d'apprentissage par renforcement multi-agents dans un scénario de jeu.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentImplémentations de IQL, QMIX, VDN, COMA, QTRAN, MAVEN, CommNet, DyMA-CL, et G2ANet sur SMAC, le scénario de micromanagement décentralisé de StarCraft II
MARL-Algorithms compte 1.8k étoiles sur GitHub. Il a été forké 304 fois. MARL-Algorithms est écrit principalement en Python. Il est développé activement depuis 2019. Ses principaux thèmes sont : deep-reinforcement-learning, multi-agent-reinforcement-learning, reinforcement-learning.
Implémentations de IQL, QMIX, VDN, COMA, QTRAN, MAVEN, CommNet, DyMA-CL, et G2ANet sur SMAC, le scénario de micromanagement décentralisé de StarCraft II
MARL-Algorithms est un projet open source.
Oui. MARL-Algorithms est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
MARL-Algorithms est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/starry-sky6688-marl-algorithms.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.