强化学习实践（一）Gym介绍

      学了一段时间强化学习的理论，近期准备进行一些算法实践。应用算法的前提是要创建一个合适的仿真环境，目前Openai的Gym(https://gym.openai.com) 是主流的强化学习实验环境库。

      Gym已经集成许多开发好的环境，让RL的研究者们可以直接上手使用，而不需要按照论文中的描述重建环境，当然也可以在Gym中构建自己需要的环境。

总的来说，Gym可提供的环境可以归为以下几类：

1. 经典控制

​ 主要是经典强化学习文献中的控制理论问题，像平衡车的控制。

2. Atari游戏

注意，游戏环境需要单独安装下。

3.Robotics机器人模拟

基于Gym开发的机器人3D模拟环境，通过控制机器臂完成一些特定任务。地址

4..开放的Gym

Gym除了提供如此多的环境外，还提供二次开发的接口，让你可以基于Gym搭建自己想要的环境。例子

注意：Github上也有许多基于Gym开发的强化学习环境

参考文献

1.Openai Gym与强化学习_基于gym的强化学习_李子树_的博客-CSDN博客

2.强化学习Openai Gym基础环境搭建_强化学习环境-CSDN博客 

3. Gym安装Atari环境（Windows，Linux适用）_gym atari-CSDN博客