多智能体强化学习-各种python库-CSDN博客

介绍

Gymnasium 是 OpenAI 的 Gym 库的维护分支。

Gymnasium 接口简单、pythonic，能够表示一般的 RL 问题，

并且具有适用于旧 Gym 环境的兼容性包装器。

官方网站：

Gymnasium Documentation

安装

建立新的环境：GYAM

新环境python版本要3.9及以上

pip install gymnasium

pip install "gymnasium[box2d]"

安装时可能会遇到报错的解决办法：

1.pip install --upgrade pip setuptools wheel

2.安装 Microsoft Visual C++ Build Tools

Microsoft C++ 生成工具 - Visual Studio

测试代码

import gymnasium as gym

# Initialise the environment 环境初始化
# 创建一个名为 LunarLander-v3的环境
# 设置 render_mode="human"，表示环境将以可视化的方式呈现给人类用户

env = gym.make("LunarLander-v3", render_mode="human")

# Reset the environment to generate the first observation 重置环境以生成第一个观测值
# 重置环境，以开始新的回合（episode），并生成初始观测值
# seed 参数用于设置随机种子，以确保结果的可重复性
# 启动一个循环，总共运行1000次，每次循环代表一次交互。

observation, info = env.reset(seed=42)
for _ in range(1000):

    # this is where you would insert your policy 插入你的策略来选择动作
    # 随机选择一个动作（action）用于在环境中操作

    action = env.action_space.sample() 

    # step (transition) through the environment with the action 
    # 环境与动作的一次交互（一个时步）
    # receiving the next observation, reward and if the episode has terminated or truncated 接收下一个observation观察, reward奖励 判断episode该回合是否终止或中断

    observation, reward, terminated, truncated, info = env.step(action)

    # If the episode has ended then we can reset to start a new episode
    # 如果该episode结束，调用env.reset()开始新的episode

    if terminated or truncated:
        observation, info = env.reset()

# 关闭环境，释放资源
env.close()