MADDPG的pytorch代码案例

时间: 2023-06-30 12:07:16 浏览: 368
以下是使用 PyTorch 实现的 MADDPG 代码示例: ``` import torch import torch.nn as nn import torch.optim as optim import numpy as np device = torch.device("cuda" if torch.cuda.is_available() else "cpu") # 定义 Actor 和 Critic 网络 class Actor(nn.Module): def __init__(self, state_dim, action_dim, hidden_dim): super(Actor, self).__init__() self.fc1 = nn.Linear(state_dim, hidden_dim) self.fc2 = nn.Linear(hidden_dim, hidden_dim) self.fc3 = nn.Linear(hidden_dim, action_dim) def forward(self, state): x = torch.relu(self.fc1(state)) x = torch.relu(self.fc2(x)) x = torch.tanh(self.fc3(x)) return x class Critic(nn.Module): def __init__(self, state_dim, action_dim, hidden_dim): super(Critic, self).__init__() self.fc1 = nn.Linear(state_dim + action_dim, hidden_dim) self.fc2 = nn.Linear(hidden_dim, hidden_dim) self.fc3 = nn.Linear(hidden_dim, 1) def forward(self, state, action): x = torch.cat([state, action], dim=1) x = torch.relu(self.fc1(x)) x = torch.relu(self.fc2(x)) x = self.fc3(x) return x # 定义 MADDPG 算法类 class MADDPG: def __init__(self, n_agents, state_dim, action_dim, hidden_dim, discount_factor=0.99, tau=0.01, critic_lr=0.001, actor_lr=0.001): self.n_agents = n_agents self.state_dim = state_dim self.action_dim = action_dim self.hidden_dim = hidden_dim self.discount_factor = discount_factor self.tau = tau self.critic_local = [Critic(state_dim * n_agents, action_dim * n_agents, hidden_dim).to(device) for i in range(n_agents)] self.critic_target = [Critic(state_dim * n_agents, action_dim * n_agents, hidden_dim).to(device) for i in range(n_agents)] self.actor_local = [Actor(state_dim, action_dim, hidden_dim).to(device) for i in range(n_agents)] self.actor_target = [Actor(state_dim, action_dim, hidden_dim).to(device) for i in range(n_agents)] self.critic_optim = [optim.Adam(self.critic_local[i].parameters(), lr=critic_lr) for i in range(n_agents)] self.actor_optim = [optim.Adam(self.actor_local[i].parameters(), lr=actor_lr) for i in range(n_agents)] self.memory = ReplayBuffer() def act(self, state): actions = [] for i in range(self.n_agents): state_tensor = torch.tensor(state[i], dtype=torch.float32).unsqueeze(0).to(device) action_tensor = self.actor_local[i](state_tensor).detach().cpu().numpy()[0] actions.append(action_tensor) return np.array(actions) def step(self, state, action, reward, next_state, done): self.memory.add(state, action, reward, next_state, done) if len(self.memory) > BATCH_SIZE: experiences = self.memory.sample() self.learn(experiences) def learn(self, experiences): states, actions, rewards, next_states, dones = experiences for i in range(self.n_agents): states_i = states.reshape(-1, self.state_dim)[i::self.n_agents] actions_i = actions.reshape(-1, self.action_dim)[i::self.n_agents] rewards_i = rewards[:, i].reshape(-1, 1) next_states_i = next_states.reshape(-1, self.state_dim)[i::self.n_agents] dones_i = dones[:, i].reshape(-1, 1) # 计算 Q_target actions_next = [] for j in range(self.n_agents): next_states_j = next_states.reshape(-1, self.state_dim)[j::self.n_agents] action_next_j = self.actor_target[j](next_states_j).detach().cpu().numpy() actions_next.append(action_next_j) actions_next = np.stack(actions_next).transpose() q_next = self.critic_target[i](torch.tensor(next_states_i, dtype=torch.float32).to(device), torch.tensor(actions_next, dtype=torch.float32).to(device)) q_target_i = rewards_i + (self.discount_factor * q_next * (1 - dones_i)) # 计算 Critic loss q_local_i = self.critic_local[i](torch.tensor(states_i, dtype=torch.float32).to(device), torch.tensor(actions_i, dtype=torch.float32).to(device)) critic_loss_i = nn.MSELoss()(q_local_i, q_target_i.detach()) # 更新 Critic 网络 self.critic_optim[i].zero_grad() critic_loss_i.backward() self.critic_optim[i].step() # 计算 Actor loss actions_pred = [] for j in range(self.n_agents): states_j = states.reshape(-1, self.state_dim)[j::self.n_agents] actions_pred_j = self.actor_local[j](torch.tensor(states_j, dtype=torch.float32).to(device)) if j == i: actions_pred_i = actions_pred_j else: actions_pred.append(actions_pred_j.detach().cpu().numpy()) actions_pred.append(actions_pred_i.detach().cpu().numpy()) actions_pred = np.stack(actions_pred).transpose() actor_loss_i = -self.critic_local[i](torch.tensor(states_i, dtype=torch.float32).to(device), torch.tensor(actions_pred, dtype=torch.float32).to(device)).mean() # 更新 Actor 网络 self.actor_optim[i].zero_grad() actor_loss_i.backward() self.actor_optim[i].step() # 软更新 Critic 和 Actor 目标网络 self.soft_update(self.critic_local[i], self.critic_target[i], self.tau) self.soft_update(self.actor_local[i], self.actor_target[i], self.tau) def soft_update(self, local_model, target_model, tau): for target_param, local_param in zip(target_model.parameters(), local_model.parameters()): target_param.data.copy_(tau * local_param.data + (1.0 - tau) * target_param.data) # 定义 ReplayBuffer 类 class ReplayBuffer: def __init__(self, buffer_size=int(1e6)): self.buffer_size = buffer_size self.buffer = [] self.position = 0 def add(self, state, action, reward, next_state, done): if len(self.buffer) < self.buffer_size: self.buffer.append(None) self.buffer[self.position] = (state, action, reward, next_state, done) self.position = (self.position + 1) % self.buffer_size def sample(self, batch_size=128): batch = zip(*random.sample(self.buffer, batch_size)) return [torch.tensor(item, dtype=torch.float32).to(device) for item in batch] def __len__(self): return len(self.buffer) # 定义训练函数 def train(agent, env, n_episodes=5000, max_t=1000): scores = [] for i_episode in range(1, n_episodes+1): env_info = env.reset(train_mode=True)[brain_name] states = env_info.vector_observations agent.reset() score = np.zeros(num_agents) for t in range(max_t): actions = agent.act(states) env_info = env.step(actions)[brain_name] next_states = env_info.vector_observations rewards = env_info.rewards dones = env_info.local_done agent.step(states, actions, rewards, next_states, dones) states = next_states score += rewards if np.any(dones): break scores.append(np.max(score)) print('\rEpisode {}\tScore: {:.2f}'.format(i_episode, np.max(score)), end="") if i_episode % 100 == 0: print('\rEpisode {}\tAverage Score: {:.2f}'.format(i_episode, np.mean(scores[-100:]))) if np.mean(scores[-100:]) >= 0.5: print('\nEnvironment solved in {:d} episodes!\tAverage Score: {:.2f}'.format(i_episode-100, np.mean(scores[-100:]))) torch.save(agent.actor_local.state_dict(), 'checkpoint_actor.pth') torch.save(agent.critic_local.state_dict(), 'checkpoint_critic.pth') break # 创建 MADDPG 实例并训练 agent = MADDPG(n_agents=num_agents, state_dim=state_size, action_dim=action_size, hidden_dim=128) train(agent, env) ``` 以上代码示例中,Actor 和 Critic 网络均为全连接神经网络,其中 Actor 网络输出动作值,并使用 tanh 函数对动作进行了缩放。MADDPG 类定义了 MADDPG 算法的实现方法,其中包括了 Actor 和 Critic 的本地网络和目标网络,并定义了学习和软更新方法。ReplayBuffer 类实现了经验回放缓存。训练函数 train 利用以上类来实现 MADDPG 算法的训练。
阅读全文

相关推荐

大家在看

recommend-type

先栅极还是后栅极 业界争论高K技术

随着晶体管尺寸的不断缩小,HKMG(high-k绝缘层+金属栅极)技术几乎已经成为45nm以下级别制程的必备技术.不过在制作HKMG结构晶体管的 工艺方面,业内却存在两大各自固执己见的不同阵营,分别是以IBM为代表的Gate-first(先栅极)工艺流派和以Intel为代表的Gate-last(后栅极)工艺流派,尽管两大阵营均自称只有自己的工艺才是最适合制作HKMG晶体管的技术,但一般来说使用Gate-first工艺实现HKMG结构的难点在于如何控制 PMOS管的Vt电压(门限电压);而Gate-last工艺的难点则在于工艺较复杂,芯片的管芯密度同等条件下要比Gate-first工艺低,需要设 计方积极配合修改电路设计才可以达到与Gate-first工艺相同的管芯密度级别。
recommend-type

应用手册 - SoftMove.pdf

ABB机器人的SoftMove手册,本手册是中文版,中文版,中文版,重要的事情说三遍,ABB原版手册是英文的,而这个手册是中文的。
recommend-type

LQR与PD控制在柔性机械臂中的对比研究

LQR与PD控制在柔性机械臂中的对比研究,路恩,杨雪锋,针对单杆柔性机械臂末端位置控制的问题,本文对柔性机械臂振动主动控制中较为常见的LQR和PD方法进行了控制效果的对比研究。首先,�
recommend-type

丹麦电力电价预测 预测未来24小时的电价 pytorch + lstm + 历史特征和价格 + 时间序列

pytorch + lstm + 历史特征和价格 + 时间序列
recommend-type

测量变频损耗L的方框图如图-所示。-微波电路实验讲义

测量变频损耗L的方框图如图1-1所示。 图1-1 实验线路 实验线路连接 本振源 信号源 功率计 定向耦合器 超高频毫伏表 滤波器 50Ω 混频器 毫安表

最新推荐

recommend-type

Pytorch使用MNIST数据集实现CGAN和生成指定的数字方式

在本教程中,我们将探讨如何使用PyTorch框架来实现条件生成对抗网络(CGAN)并利用MNIST数据集生成指定数字的图像。CGAN是一种扩展了基础生成对抗网络(GAN)的概念,它允许在生成过程中加入额外的条件信息,如类...
recommend-type

pytorch之inception_v3的实现案例

总结来说,这个PyTorch实现的Inception_v3案例涵盖了模型加载、数据预处理、训练参数设置、训练与验证流程,以及模型性能的监控。通过这个案例,我们可以学习如何在PyTorch中构建和训练复杂的深度学习模型,尤其是像...
recommend-type

pytorch 可视化feature map的示例代码

以下是一个使用PyTorch进行feature map可视化的示例代码: 首先,我们需要导入必要的库,包括PyTorch的核心模块`torch`、`autograd`、`nn`,以及pickle用于读取数据: ```python import torch from torch.autograd...
recommend-type

pytorch之添加BN的实现

在PyTorch中,添加批标准化(Batch Normalization, BN)是提高深度学习模型训练效率和性能的关键技术之一。批标准化的主要目标是规范化每层神经网络的输出,使其服从接近零均值、单位方差的标准正态分布,从而加速...
recommend-type

Pytorch转tflite方式

下面是转换代码的概要: ```python # 加载PyTorch模型 pytorch_model = PytorchNet() pytorch_model.load_state_dict(torch.load('model.pth')) # 构建Keras模型 keras_model = KerasNet() # 迁移权重 for ...
recommend-type

WildFly 8.x中Apache Camel结合REST和Swagger的演示

资源摘要信息:"CamelEE7RestSwagger:Camel on EE 7 with REST and Swagger Demo" 在深入分析这个资源之前,我们需要先了解几个关键的技术组件,它们是Apache Camel、WildFly、Java DSL、REST服务和Swagger。下面是这些知识点的详细解析: 1. Apache Camel框架: Apache Camel是一个开源的集成框架,它允许开发者采用企业集成模式(Enterprise Integration Patterns,EIP)来实现不同的系统、应用程序和语言之间的无缝集成。Camel基于路由和转换机制,提供了各种组件以支持不同类型的传输和协议,包括HTTP、JMS、TCP/IP等。 2. WildFly应用服务器: WildFly(以前称为JBoss AS)是一款开源的Java应用服务器,由Red Hat开发。它支持最新的Java EE(企业版Java)规范,是Java企业应用开发中的关键组件之一。WildFly提供了一个全面的Java EE平台,用于部署和管理企业级应用程序。 3. Java DSL(领域特定语言): Java DSL是一种专门针对特定领域设计的语言,它是用Java编写的小型语言,可以在Camel中用来定义路由规则。DSL可以提供更简单、更直观的语法来表达复杂的集成逻辑,它使开发者能够以一种更接近业务逻辑的方式来编写集成代码。 4. REST服务: REST(Representational State Transfer)是一种软件架构风格,用于网络上客户端和服务器之间的通信。在RESTful架构中,网络上的每个资源都被唯一标识,并且可以使用标准的HTTP方法(如GET、POST、PUT、DELETE等)进行操作。RESTful服务因其轻量级、易于理解和使用的特性,已经成为Web服务设计的主流风格。 5. Swagger: Swagger是一个开源的框架,它提供了一种标准的方式来设计、构建、记录和使用RESTful Web服务。Swagger允许开发者描述API的结构,这样就可以自动生成文档、客户端库和服务器存根。通过Swagger,可以清晰地了解API提供的功能和如何使用这些API,从而提高API的可用性和开发效率。 结合以上知识点,CamelEE7RestSwagger这个资源演示了如何在WildFly应用服务器上使用Apache Camel创建RESTful服务,并通过Swagger来记录和展示API信息。整个过程涉及以下几个技术步骤: - 首先,需要在WildFly上设置和配置Camel环境,确保Camel能够运行并且可以作为路由引擎来使用。 - 其次,通过Java DSL编写Camel路由,定义如何处理来自客户端的HTTP请求,并根据请求的不同执行相应的业务逻辑。 - 接下来,使用Swagger来记录和描述创建的REST API。这包括定义API的路径、支持的操作、请求参数和响应格式等。 - 最后,通过Swagger提供的工具生成API文档和客户端代码,以及服务器端的存根代码,从而使得开发者可以更加便捷地理解和使用这些RESTful服务。 这个资源的实践演示对于想要学习如何在Java EE平台上使用Camel集成框架,并且希望提供和记录REST服务的开发者来说是非常有价值的。通过这种方式,开发者可以更加快速和简单地创建和管理Web服务,同时也增强了API的可访问性和可维护性。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【声子晶体模拟全能指南】:20年经验技术大佬带你从入门到精通

![【声子晶体模拟全能指南】:20年经验技术大佬带你从入门到精通](https://docs.lammps.org/_images/lammps-gui-main.png) # 摘要 声子晶体作为一种具有周期性结构的材料,在声学隐身、微波和红外领域具有广泛的应用潜力。本文从基础理论出发,深入探讨了声子晶体的概念、物理模型和声子带结构的理论解析,同时介绍了声子晶体的数值模拟方法,包括有限元方法(FEM)、离散元方法(DEM)和分子动力学(MD)。本文还提供了一套完整的声子晶体模拟实践指南,涵盖了模拟前的准备工作、详细的模拟步骤以及结果验证和案例分析。此外,文章探讨了声子晶体模拟的高级技巧和拓展
recommend-type

2024-07-27怎么用python转换成农历日期

在Python中,可以使用`lunarcalendar`库来将公历日期转换为农历日期。首先,你需要安装这个库,可以通过pip命令进行安装: ```bash pip install lunarcalendar ``` 安装完成后,你可以使用以下代码将公历日期转换为农历日期: ```python from lunarcalendar import Converter, Solar, Lunar, DateNotExist # 创建一个公历日期对象 solar_date = Solar(2024, 7, 27) # 将公历日期转换为农历日期 try: lunar_date = Co
recommend-type

FDFS客户端Python库1.2.6版本发布

资源摘要信息:"FastDFS是一个开源的轻量级分布式文件系统,它对文件进行管理,功能包括文件存储、文件同步、文件访问等,适用于大规模文件存储和高并发访问场景。FastDFS为互联网应用量身定制,充分考虑了冗余备份、负载均衡、线性扩容等机制,保证系统的高可用性和扩展性。 FastDFS 架构包含两个主要的角色:Tracker Server 和 Storage Server。Tracker Server 作用是负载均衡和调度,它接受客户端的请求,为客户端提供文件访问的路径。Storage Server 作用是文件存储,一个 Storage Server 中可以有多个存储路径,文件可以存储在不同的路径上。FastDFS 通过 Tracker Server 和 Storage Server 的配合,可以完成文件上传、下载、删除等操作。 Python 客户端库 fdfs-client-py 是为了解决 FastDFS 文件系统在 Python 环境下的使用。fdfs-client-py 使用了 Thrift 协议,提供了文件上传、下载、删除、查询等接口,使得开发者可以更容易地利用 FastDFS 文件系统进行开发。fdfs-client-py 通常作为 Python 应用程序的一个依赖包进行安装。 针对提供的压缩包文件名 fdfs-client-py-master,这很可能是一个开源项目库的名称。根据文件名和标签“fdfs”,我们可以推测该压缩包包含的是 FastDFS 的 Python 客户端库的源代码文件。这些文件可以用于构建、修改以及扩展 fdfs-client-py 功能以满足特定需求。 由于“标题”和“描述”均与“fdfs-client-py-master1.2.6.zip”有关,没有提供其它具体的信息,因此无法从标题和描述中提取更多的知识点。而压缩包文件名称列表中只有一个文件“fdfs-client-py-master”,这表明我们目前讨论的资源摘要信息是基于对 FastDFS 的 Python 客户端库的一般性了解,而非基于具体文件内容的分析。 根据标签“fdfs”,我们可以深入探讨 FastDFS 相关的概念和技术细节,例如: - FastDFS 的分布式架构设计 - 文件上传下载机制 - 文件同步机制 - 元数据管理 - Tracker Server 的工作原理 - Storage Server 的工作原理 - 容错和数据恢复机制 - 系统的扩展性和弹性伸缩 在实际使用中,开发者可以通过 fdfs-client-py 库来与 FastDFS 文件系统进行交互,利用其提供的 API 接口实现文件的存储、管理等功能,从而开发出高效、可靠的文件处理应用。开发者可以根据项目的实际需求,选择合适的 FastDFS 版本,并根据官方文档进行安装、配置及优化,确保系统稳定运行。 总的来说,fdfs-client-py 是 FastDFS 文件系统与 Python 应用之间的一座桥梁,它使得开发者能够更加方便地将 FastDFS 集成到基于 Python 开发的应用中,发挥出 FastDFS 在文件管理方面的优势。"