自己在程序里弄了两个DDPG相互博弈，发现怎么都不收敛，说明还是得入门MARL
链接: github仓库，列举了好多MARL的算法，代码还没有试过，因为没有MADDPG
链接: maddpg算法详解网站
MADDPG最主要的特点就是：多个智能体，actor只知道自己的信息，而critic知道的是全局信息，相当于训练的时候我们给智能体的是全局的信息，运行的时候是给局部信息。
QMIX的特点是有一个新的信度分配，所以我觉得自己的问题还不需要QMIX（没有合作的agents），所以目前学习的是MADDPG
如果评论区有老爷指明一下多个独立个体博弈的MARL就更好了
使用代码踩过的坑：
- openai/maddpg：tensorflow1写的，希望能更新一下
- xuehy/pytorch-maddpg：代码里的环境，安装不来
- shariqiqbal2810/maddpg-pytorch：baselines始终装不上，WARNING: No metadata found in d:anaconda3envsbl3libsite-packagesmujoco_py-2.1.2.14-py3.10.egg
- starry-sky6688/MADDPG：终于可以用了，需要自己安装好openai/multiagent-particle-envs，然后注意gym的版本需要降低，pip install gym==0.10.5，不然会报错from gym.spaces import prng报错 找不到prng
链接: multiagent-particle-envs环境说明
