| 整体分类 | 任务说明 | 备注 |
|---|---|---|
| 框架功能 | 实现CNN功能 | 目前已有DQN-CNN但不稳定，需要在其他算法以及环境(breakout、蒙特祖玛)实现 |
| 实现RNN功能 | 例如DRQN算法 | |
| 实现多头输入 | 关键在于自注意力机制以及寻找有价值的实现环境 | |
| 实现多线程 | 目前在A3C上用multiprocessing实现，需要迁移到其他所有算法(要更改主框架) | |
| TF1 backend | 基于tensorflow1实现相关算法 | |
| 算法实现 | 基础算法 | TRPO、ACER算法 |
| 多智能体算法 | QMIX算法、VDN算法、MAPPO算法，场景：MPE、gfootball(简单3v3) | |
| 离线RL算法 | ||
| ICM算法 | ||
| 模仿学习算法 | BC+TD3、LfHF算法(参考repo：https://github.com/mrahtz/learning-from-human-preferences) | |
| 场景应用 | 推荐系统场景 | 可在RL4RS上实现强化学习加推荐系统的结合 |
| 股票场景 | ||
| 自动驾驶场景 | ||
| 医疗场景(张怡) | ||
- H-DQN格式优化
- Collect模式多线程