来源：期刊VIP网 时间：
作者：董帅;梁晓滢;李悦乔;
单位：电子科技大学中山学院;
摘要：强化学习是一种通过智能体与环境交互来学习策略的机器学习方法，在自动驾驶、机器人控制、游戏智能NPC等多个领域展现出强大的应用潜力。针对这些强化学习实践教学中存在的算法理解难度大、硬件需求高、训练时间长等问题，该文开发了一个分布式强化学习实践教学平台，分别在教师机和学生机上进行策略模型更新和策略采样。该平台具有三个方面的优点：首先，基于Lanstar教学软件和FTP协议建立主从式数据交换机制，对电脑硬件和网络要求低，能够部署在现有的编程教学实验室；其次，训练框架基于Gym库和PyTorch进行二次开发，统一state和action接口，整合训练数据采样接口，可以兼容DQN、PPO等多种强化学习算法；最后，可以兼容强化学习和逆强化学习两种学习范式。在三个典型任务上的对比实验表明，该平台能够有效降低任务训练时间，能够在算力资源不足情况下支撑强化学习的实践教学。
关键词：模型训练;;强化学习范式;;编程实践;;分布式平台;;多级模型发布
基金资助：国家自然科学基金面上项目(62271130);国家自然科学基金青年项目(62002053);; 广东省教育厅重点领域专项(2022ZDZX3042);; 中山市社会公益与基础研究专项资金项目(2024B2021)
