【开源自荐】LightZero 蒙特卡洛树搜索和深度强化学习的开源算法工具包

• 项目地址：https://github.com/opendilab/LightZero

• 类别：机器学习

• 项目标题： LightZero：轻量且高效的 MCTS，AlphaZero，MuZero 系列算法工具包。

• 项目描述：LightZero 是一个基于 PyTorch ，集成了蒙特卡洛树搜索（MCTS）和深度强化学习（DRL）的轻量、高效且易于理解的开源算法工具包。 LightZero 致力于推进 MCTS+RL 算法体系的标准化，以便加速相关领域的研究和应用进程，为各种基于 MCTS 的算法和应用提供坚实支持，系统性地支持了下列算法：

  • 经典 MCTS 算法
  • MCTS+RL 的集大成者 AlphaZero 算法
  • 在学习的动力学模型中搜索的 MuZero 算法
  • 高样本效率的 EfficientZero 算法
  • 基于采样原理可用于多种动作空间的 Sampled MuZero 算法
  • 在低搜索开销下也有高性能的 Gumbel MuZero 算法
  • 支持随机性环境的 Stochastic MuZero 算法 同时 LightZero 致力于覆盖全面广泛的决策智能基准环境，包括棋盘游戏 （TicTacToe，Gomoku，Chess, Go）、经典控制环境、Atari、MuJoCo、稀疏奖励环境（MiniGrid）、结构化动作空间环境（GoBigger）以及 Bsuite 等。 在 LightZero 的统一的框架下，系统的比较了各种算法，给出了基线结果以及相关分析探究。

• 亮点：

  • 轻量级：LightZero 整合了 MCTS + RL 系列算法家族，以轻量级框架处理具有各种属性的决策问题。具体实现的算法和环境可以参考集成算法一栏。
  • 高效：LightZero 通过混合异构计算提高 MCTS 算法中最耗时部分的计算效率。
  • 易于理解：LightZero 为所有集成算法提供详尽的论文笔记和算法概述图，协助用户深入理解算法内核，比较同一范式下算法的异同。此外，LightZero 还提供了在多种环境上实现算法的完整基线结果，增强用户对算法性能表现的直观认识。

• 示例代码：（可选）

from easydict import EasyDict

# options={'PongNoFrameskip-v4', 'QbertNoFrameskip-v4', 'MsPacmanNoFrameskip-v4', 'SpaceInvadersNoFrameskip-v4', 'BreakoutNoFrameskip-v4', ...}
env_name = 'PongNoFrameskip-v4'

if env_name == 'PongNoFrameskip-v4':
    action_space_size = 6
elif env_name == 'QbertNoFrameskip-v4':
    action_space_size = 6
elif env_name == 'MsPacmanNoFrameskip-v4':
    action_space_size = 9
elif env_name == 'SpaceInvadersNoFrameskip-v4':
    action_space_size = 6
elif env_name == 'BreakoutNoFrameskip-v4':
    action_space_size = 4

# ==============================================================
# begin of the most frequently changed config specified by the user
# ==============================================================
collector_env_num = 8
n_episode = 8
evaluator_env_num = 3
num_simulations = 50
update_per_collect = 1000
batch_size = 256
max_env_step = int(1e6)
reanalyze_ratio = 0.
# ==============================================================
# end of the most frequently changed config specified by the user
# ==============================================================

atari_muzero_config = dict(
    exp_name=
    f'data_mz_ctree/{env_name[:-14]}_muzero_ns{num_simulations}_upc{update_per_collect}_rr{reanalyze_ratio}_seed0',
    env=dict(
        stop_value=int(1e6),
        env_name=env_name,
        obs_shape=(4, 96, 96),
        collector_env_num=collector_env_num,
        evaluator_env_num=evaluator_env_num,
        n_evaluator_episode=evaluator_env_num,
        manager=dict(shared_memory=False, ),
    ),
    policy=dict(
        model=dict(
            observation_shape=(4, 96, 96),
            frame_stack_num=4,
            action_space_size=action_space_size,
            downsample=True,
            self_supervised_learning_loss=True,  # default is False
            discrete_action_encoding_type='one_hot',
            norm_type='BN', 
        ),
        cuda=True,
        env_type='not_board_games',
        game_segment_length=400,
        use_augmentation=True,
        update_per_collect=update_per_collect,
        batch_size=batch_size,
        optim_type='SGD',
        lr_piecewise_constant_decay=True,
        learning_rate=0.2,
        num_simulations=num_simulations,
        reanalyze_ratio=reanalyze_ratio,
        ssl_loss_weight=2,  # default is 0
        n_episode=n_episode,
        eval_freq=int(2e3),
        replay_buffer_size=int(1e6),  # the size/capacity of replay_buffer, in the terms of transitions.
        collector_env_num=collector_env_num,
        evaluator_env_num=evaluator_env_num,
    ),
)
atari_muzero_config = EasyDict(atari_muzero_config)
main_config = atari_muzero_config

atari_muzero_create_config = dict(
    env=dict(
        type='atari_lightzero',
        import_names=['zoo.atari.envs.atari_lightzero_env'],
    ),
    env_manager=dict(type='subprocess'),
    policy=dict(
        type='muzero',
        import_names=['lzero.policy.muzero'],
    ),
    collector=dict(
        type='episode_muzero',
        import_names=['lzero.worker.muzero_collector'],
    )
)
atari_muzero_create_config = EasyDict(atari_muzero_create_config)
create_config = atari_muzero_create_config

if __name__ == "__main__":
    from lzero.entry import train_muzero
    train_muzero([main_config, create_config], seed=0, max_env_step=max_env_step)

• 截图：（可选）gif/png/jpg

• 后续更新计划：详细的开发计划可以参考 LightZero 的社区 Roadmap