/p/24392239
一. Lua 语言的程序包（运用框架：Torch 7）：
1. 相关论文：Human-level control through deep reinforcement learning
CODE链接（需翻墙）另外的链接（不需要翻墙）：kuz/DeepMind-Atari-Deep-Q-Learner
实现的算法名称：Deep Q-Networks（DQN）
推荐指数（★★★★★）
推荐理由：谷歌公司开源的第一个深度强化学习软件包，重要价值不用我多说了吧。
2. 软件包名称：ehrenbrav/DeepQNetwork
实现算法：DQN 应用场景：玩超级马里奥游戏 推荐指数（★★★）
相关论文：Human-Level Control through Deep Reinforcement Learning
3. 软件包名称：Kaixhin/Atari
实现算法： DQN, persistent advantage learning, dueling network, double DQN, A3C
推荐指数（★★★★）
4. 软件包名称：iassael/learning-to-communicate
实现算法：Reinforced Inter-Agent Learning (RIAL) and Differentiable Inter-Agent Learning (DIAL)
推荐指数（★★★）
相关论文：[1605.06676] Learning to Communicate with Deep Multi-Agent Reinforcement Learning
5. 软件包名称：facebook/MazeBase
推荐指数（★★★） 推荐理由：Simple environment for creating very simple 2D games and training neural network models to perform tasks within them
相关论文：A Sandbox for Learning from Games
6. 软件包名称：eparisotto/ActorMimic
推荐指数（★★★） 实现算法：ActorMimic
相关论文：Actor-Mimic: Deep Multitask and Transfer Reinforcement Learning
二. Python语言的DRL程序包：
基于TensorFlow：
1. 软件包名称：devsisters/DQN-tensorflow
实现算法：DQN
推荐指数（★★★）
相关论文：Human-Level Control through Deep Reinforcement Learning
2. 软件包名称：gliese581gg/DQN_tensorflow
实现算法：DQN
推荐指数（★★）
3. 软件包名称：nivwusquorum/tensorflow-deepq
实现算法：DQN
推荐指数（★★★★）
推荐理由：可以用Jupyter Notebook
4. 软件包名称：deep-rl-tensorflow
实现算法：DQN、DDQN、Dueling Network
相关论文：
[1]Playing Atari with Deep Reinforcement Learning
[2]Human-Level Control through Deep Reinforcement Learning
[3]Deep Reinforcement Learning with Double Q-learning
[4]Dueling Network Architectures for Deep Reinforcement Learning
推荐指数（★★★★★） 推荐理由：基于TensorFlow下的多种DRL算法实现，有很好的扩展价值。
5. 软件包名称：coreylynch/async-rl
实现算法：A3C 推荐指数（★★★★）
相关论文：Asynchronous Methods for Deep Reinforcement Learning".
推荐理由：结合使用Tensorflow + Keras + OpenAI Gym
基于Keras：
1. 软件包名称：matthiasplappert/keras-rl
实现算法：
Deep Q Learning (DQN)[1],[2]Double DQN[3]Deep Deterministic Policy Gradient (DDPG)[4]Continuous DQN (CDQN or NAF)[6]Cross-Entropy Method (CEM)[7],[8]
相关论文在标注链接里面。
推荐指数（★★★★★）
推荐理由：基于keras的最好的一款DRL软件包，实现的算法较全（包括离散动作空间、连续动作空间）
基于Theano：
1. 软件包名称：spragunr/deep_q_rl
实现算法：DQN
推荐指数（★★★）
推荐理由：基于Theano框架
基于neon深度学习包：
1. 软件包名称：tambetm/simple_dqn
实现算法：DQN
相关论文：Human-Level Control through Deep Reinforcement Learning
推荐指数（★★）
其它的一些Python语言的DRL软件包：
1. 软件包名称：VinF/deer
主要实现算法：DQN，prioritized experience replay, double Q-learning, DDPG
推荐指数（★★★）
2. 软件包名称：muupan/async-rl
实现算法： A3C 推荐指数（★★）
相关论文：Asynchronous Methods for Deep Reinforcement Learning.
3. 软件包名称：miyosuda/async_deep_reinforce
实现算法： A3C
推荐指数（★★）
相关论文：Asynchronous Methods for Deep Reinforcement Learning.
4. 软件包名称：openai/rllab
实现算法：
REINFORCETruncated Natural Policy GradientReward-Weighted RegressionRelative Entropy Policy SearchTrust Region Policy OptimizationCross Entropy MethodCovariance Matrix Adaption Evolution StrategyDeep Deterministic Policy Gradient
推荐指数（★★★★★）
推荐理由：OpenAI出品，必是精品。
5. 软件包名称：openai/gym
推荐指数（★★★★★）
推荐理由：OpenAI Gym is a toolkit for developing and comparing reinforcement learning algorithms.
6.软件包名称：openai/universe
推荐指数（★★★★★）
推荐理由：A software platform for measuring and training an AI's general intelligence across the world's supply of games, websites and other applications.（多么美好的未来啊）
7. 软件包名称：joschu/modular_rl
实现算法： TRPO，Proximal Policy Optimization，CEM
推荐指数（★★★）
8. 软件包名称：openai/vime
实现算法：Variational Information Maximizing Exploration (VIME)
推荐指数（★★）
相关论文：VIME: Variational Information Maximizing Exploration
C和C++的DRL程序包：
1. 相关论文：Human-level control through deep reinforcement learning
CODE链接实现算法：DQN
推荐指数（★★★★）
推荐理由：首次基于Caffe深度学习框架尝试解决深度强化学习问题。
2. 软件包名称：Replicating-DeepMind
主要实现算法：DQN
推荐指数（★★）
3. 软件包名称：xbpeng/DeepTerrainRL
相关论文：Terrain-Adaptive Locomotion Skills Using Deep Reinforcement Learning
推荐指数（★★）
4.软件包名称：deepmind/lab
推荐指数（★★★★★）
推荐理由：A customisable 3D platform for agent-based AI research（用来对抗OpenAI的Universe？）
5. 软件包名称：junhyukoh/nips-action-conditional-video-prediction
推荐指数（★★）
相关论文：Action-Conditional Video Prediction using Deep Networks in Atari Games
6. 软件包名称：mhauskn/dqn
实现算法：DRQN (Recurrent DQN)
推荐指数（★★★）
相关论文：Deep Recurrent Q-Learning for Partially Observable MDPs
Javascript的DRL程序包：
1. 软件包名称：karpathy/reinforcejs
实现算法：
Dynamic Programming methods(Tabular) Temporal Difference Learning (SARSA/Q-Learning)Deep Q-LearningStochastic/Deterministic Policy Gradients and Actor Critic architectures for dealing with continuous action spaces. (very alpha, likely buggy or at the very least finicky and inconsistent)
推荐指数（★★★★）
推荐理由：单凭Javascript，我就觉得很牛逼了。
Java的DRL程序包：
1. 软件包名称：deeplearning4j/rl4j
实现算法： DQN，A3C
推荐指数（★★★★★）
推荐理由：Java语言，我的最爱。目前商用价值最高的语言。
另外一些好玩的DRL项目：
1. 软件包名称：yenchenlin/DeepLearningFlappyBird和songrotek/DRL-FlappyBird
实现算法：DQN
应用场景：玩愤怒的小鸟
推荐指数（★★★★）
2. 软件包名称：bitwise-ben/Snake
实现算法：DQN
应用场景：玩贪吃蛇
推荐指数（★★★）
3. 软件包名称：yanpanlau/DDPG-Keras-Torcs
实现算法：DDPG
基于的框架：keras
应用场景：TORCS赛车
相关论文：Deep Deterministic Policy Gradient
推荐指数（★★★★★） 推荐理由：男生应该都对车有兴趣吧
4. 软件包名称：Ardavans/DSR
实现算法：DSR
应用场景：Doom射击
推荐指数（★★★★）
相关论文：Deep Successor Reinforcement Learning (DSR)
两年期间，又有许多有价值的强化学习项目在网上开源：
ShangtongZhang/reinforcement-learning-an-introduction
简述：Python replication for Sutton & Barto's bookReinforcement Learning: An Introduction (2nd Edition)
2.dennybritz/reinforcement-learning
简述：Implementation of Reinforcement Learning Algorithms. Python, OpenAI Gym, Tensorflow. Exercises and Solutions to accompany Sutton's Book and David Silver's course.
3.MorvanZhou/Reinforcement-learning-with-tensorflow
简述：Simple Reinforcement learning tutorials，适合入门。
4.deepmind/trfl
简述：TRFL (pronounced "truffle") is a library built on top of TensorFlow that exposes several useful building blocks for implementing Reinforcement Learning agents.
5.tensorlayer/tensorlayer
简述：Deep Learning and Reinforcement Learning Library for Scientists
6.openai/baselines
简述：OpenAI Baselines: high-quality implementations of reinforcement learning algorithms
7.google/dopamine
简述：Dopamine is a research framework for fast prototyping of reinforcement learning algorithms.
8.keras-rl/keras-rl
简述：Deep Reinforcement Learningfor Keras.
9.tensorforce/tensorforce
简述：a TensorFlow library for applied reinforcement learning
10.rll/rllab
简述：rllab is a framework for developing and evaluating reinforcement learning algorithms, fully compatible with OpenAI Gym.
11.NervanaSystems/coach
简述：Reinforcement Learning Coach by Intel AI Lab enables easy experimentation with state of the art Reinforcement Learning algorithms
12.tensorflow/agents
简述：TF-Agents is a library for Reinforcement Learning in TensorFlow
