智能体环境探索策略学习优化数据集

面向复杂环境的智能体探索任务。为了评估算法在复杂环境中的探索能力，采集了以下数据：一是多个基线算法在多个环境中的训练过程数据；二是“基于并行策略多样性的强化学习算法”在多个环境任务中的模型以及训练过程数据。以上训练过程数据的具体形式为算法在不同训练任务中的时间步以及当前时间步下所获得的奖励。数据量为311MB。