多智能体强化学习训练场。
项目描述
PettingZoo 是一个用于进行多智能体强化学习研究的 Python 库，类似于 Gymnasium 的多智能体版本。
文档网站位于 pettingzoo.farama.org，我们有一个公开的 discord 服务器（我们也在那里协调开发工作），您可以通过以下链接加入：https://discord.gg/nhvKkYa6qX
环境
宠物动物园包含以下环境系列：
- Atari：多人Atari 2600游戏（合作、竞争和混合总和）
- 蝴蝶：我们开发的合作图形游戏，需要高度的协调
- 经典：包括卡牌游戏、桌面游戏等经典游戏
- MPE：一套简单的非图形通信任务，最初来自https://github.com/openai/multiagent-particle-envs
- SISL：3个合作环境，最初来自https://github.com/sisl/MADRL
安装
要安装PettingZoo基本库： pip install pettingzoo。
这不包括所有环境系列的依赖项（某些环境在某些系统上可能难以安装）。
要安装一个环境系列的依赖项，使用 pip install 'pettingzoo[atari]'，或使用 pip install 'pettingzoo[all]' 安装所有依赖项。
我们支持Linux和macOS上的Python 3.8、3.9、3.10和3.11。我们将接受与Windows相关的PR，但不官方支持。
入门
有关PettingZoo的介绍，请参阅基本用法。要创建新环境，请参阅我们的环境创建教程和自定义环境示例。有关使用PettingZoo训练RL模型的示例，请参阅我们的教程
- CleanRL：实现PPO：在Pistonball环境中训练多个PPO智能体。
- Tianshou：训练智能体：在井字棋环境中训练DQN智能体。
- AgileRL：训练、课程和自我对弈：在四子棋环境中通过课程学习和自我对弈训练智能体。
API
将PettingZoo模型环境视为智能体环境周期（AEC）游戏，以便在单个API下干净地支持所有类型的多人强化学习环境，并最大限度地减少某些常见类别的潜在错误。
使用PettingZoo中的环境与Gymnasium非常相似，即通过以下方式初始化环境：
from pettingzoo.butterfly import pistonball_v6
env = pistonball_v6.env()
环境可以以与Gymnasium非常相似的方式交互
env.reset()
for agent in env.agent_iter():
observation, reward, termination, truncation, info = env.last()
action = None if termination or truncation else env.action_space(agent).sample() # this is where you would insert your policy
env.step(action)
有关完整API文档，请参阅https://pettingzoo.farama.org/api/aec/
并行API
在特定环境中，假设智能体同时采取行动是合理的。对于这些游戏，我们提供了一个辅助API以允许并行动作，有关文档请参阅https://pettingzoo.farama.org/api/parallel/
SuperSuit
SuperSuit是一个库，它为PettingZoo和Gymnasium环境提供了所有常用的包装器（帧堆叠、观察、归一化等），并具有友好的API。我们开发它来代替PettingZoo中内置的包装器。https://github.com/Farama-Foundation/SuperSuit
环境版本控制
出于可复现性的原因，PettingZoo对版本进行了严格控制。所有环境都以类似"_v0"的后缀结尾。当对可能影响学习结果的环境进行更改时，数字增加1，以防止潜在的混淆。
项目负责人
项目经理：Elliot Tower
此项目的维护也由更广泛的Farama团队提供： farama.org/team。
引用
在出版物中引用此项目，请使用
@article{terry2021pettingzoo,
title={Pettingzoo: Gym for multi-agent reinforcement learning},
author={Terry, J and Black, Benjamin and Grammel, Nathaniel and Jayakumar, Mario and Hari, Ananth and Sullivan, Ryan and Santos, Luis S and Dieffendahl, Clemens and Horsch, Caroline and Perez-Vicente, Rodrigo and others},
journal={Advances in Neural Information Processing Systems},
volume={34},
pages={15032--15043},
year={2021}
}
下载文件
下载适用于您平台的文件。如果您不确定选择哪个，请了解有关 安装包 的更多信息。
源代码发行版
构建发行版
pettingzoo-1.24.3.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 91f9094f18e06fb74b98f4099cd22e8ae4396125e51719d50b30c9f1c7ab07e6 |
|
| MD5 | bed09a19d1e7b5dbf14c51816439bf4d |
|
| BLAKE2b-256 | 1c9f0158a60109ba43e343e16b257ffa5690607b0bccbcdd0feb7b4f07903d85 |
pettingzoo-1.24.3-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 23ed90517d2e8a7098bdaf5e31234b3a7f7b73ca578d70d1ca7b9d0cb0e37982 |
|
| MD5 | fc3baaab0d33c522d70e57537e0bc412 |
|
| BLAKE2b-256 | c84eeae7b6ecb801573fbec0c76b0fd1dd95bfd1a7fd8770bdd20242044e91f0 |
