强化学习过程

• agent向storage请求产生一条路径
• storage产生路径过程中向agent输入state并由agent返回一个动作
• storage收集产生的数据并交给agent来进行训练。

流程

• pip install RLToolbox
• 创建网络，选择baseline， storage=None， distribution
• 创建agent
  <pre>
  storage = None
  agent = TrackingAgent(env, session, baseline, storage, distribution, net, pms)
  agent.storage = Storage(agent , env , baseline, pms)
  </pre>
• 训练时执行：agent.learn()， 测试时执行agent内实现的测试函数（自己在agent里实现）

创建网络

• 可以使用任何一种网络实现框架实现网络，例如
  tensorlayer, prettytensor。
• 继承Network(from RLToolbox.network.network import Network)
• 获得要训练的参数列表：
  <pre>self.var_list = [v for v in tf.trainable_variables() if v.name.startswith(scope)]</pre>
• 实现asyc_parameters(self, session=None)函数
  告知agent如何进行网络参数的同步

创建agent

• 可以直接使用RLToolbox.agent中的一种agent，也可以继承里面的一种agent并实现相应函数