示例如有不能运行的问题，请反馈
| 强化学习算法 | 使用游戏 | 神经网络 | 优化 | 动作空间 |
|---|---|---|---|---|
| QTable | FrozenLake-v1 | 无 | 无 | 无 |
| DQN | FrozenLake-v1 | 两层Linear+一层Output | 无 | 离散动作空间 |
| SARSA | FrozenLake-v1 | 两层Linear+一层Output | 无 | 离散动作空间 |
| SARSA | CartPole-v1 | 两层Linear+一层Output | ReplayBuffer | 离散动作空间 |
| Reinforce | CartPole-v1 | 两层Linear+一层Output | baseline | 离散动作空间 |
| ActorCritic | CartPole-v1 | 两层Linear+一层Output | 无 | 离散动作空间 |
| Reinforce | Pendulum-v1 | 两层Linear+一层Output | baseline | 连续动作空间 |
| A2C | Pendulum-v1 | 两层Linear+一层Output | 无 | 连续动作空间 |
| DPG | Pendulum-v1 | 两层Linear+一层Output | ReplayBuffer | 连续动作空间 |
| Reinforce | Pendulum-v1 | 两层Linear+一层Output | ReplayBuffer | 连续动作空间 |
| TD3 | Pendulum-v1 | 两层Linear+一层Output | ReplayBuffer/目标网络/截断双Q学习/目标策略网络中加入噪声 | 连续动作空间 |
最后提供了一个强化学习仿真器示例BreakEnv，支持录制视频。该示例主要用于高精地图车道组打断，但奖励算法没有全部完成，仅供参考学习