钢筋是一个强化学习库，它实现了几种常见的RL算法，所有算法都带有web演示。特别是，图书馆目前包括：

• 动态编程方法
• （表格）时间差异学习（SARSA/Q-Learning）
• 深度Q-Learning用于神经网络函数逼近的Q学习
• 随机/确定性政策梯度以及用于处理连续动作空间的演员-评论家架构。(非常阿尔法，可能是bug，或者至少是挑剔和不一致)

请参阅主网页更多细节、文档和演示。

库导出两个全局变量：R（右）、和RL公司前者包含用于构建表达式图（例如LSTM）和执行自动反向传播的各种实用程序，是我另一个项目的分支递归js. TheRL公司对象包含当前实现：

• 左后。DPAgent（DPAgent）具有环境动力学的有限状态/作用空间
• 左后。TD代理对于有限状态/作用空间
• 左后。DQNA代理用于连续状态功能，但用于离散动作

典型用法可能类似于：

//创建环境对象
无功功率，无功功率 环境价值 = {};
环境价值.获取状态数 = 功能() { 返回 8; }
环境价值.获取最大操作数 = 功能() { 返回 4; }

//创建DQN代理
无功功率，无功功率 规格 = { 阿尔法:0.01 } //查看DQN页面上的完整选项
代理人 = 新的 RL公司.DQNA代理(环境价值, 规格); 

设置间隔(功能(){ //启动学习循环
  无功功率，无功功率 行动 = 代理人.行为(秒); //s是长度为8的数组
  //... 在环境中执行行动并获得奖励
  代理人.学习(奖励); //代理改进了其Q、策略、模型等。奖励是浮动
}, 0);

完整的文档和演示位于主网页.

麻省理工学院。