飛槳強化學習框架PARL曾兩次奪得NeurIPS強化學習賽事世界冠軍。近期PARL升級1.3版本，經過發佈深度進化學習庫EvoKit，多智能體強化學習（Multi-Agent RL）算法，助力強化學習進一步落地工業應用場景。git
下載安裝命令
## CPU版本安裝命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle
## GPU版本安裝命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
深度進化學習庫EvoKitgithub
PARL 1.3 重點發布了首個工業級進化學習框架EvoKit，支持大規模神經網絡在真實業務場景中調研和部署進化學習算法，針對性解決進化學習算法部署到業務場景所遇到的難題。算法
什麼是進化學習算法？網絡
進化學習（Evolution Strategy）借鑑天然界種羣進化過程，經過演化的方式找到全局最優。進化學習由來已久，近年來被很多學者用於解決強化學習（Reinforcement Learning），AutoML（Auto Machine Learning）等場景的問題。相對於梯度優化而言，進化學習直接經過參數空間的擾動來觀察最終目標（以下視頻所示），而且和強化學習同樣，進化學習不要求優化目標和參數之間可導，所以適用範圍很是普遍，易於並行化。基於EvoKit，能夠利用數百臺CPU優化百萬量級參數的模型。框架
進化學習能用到哪些地方？異步
1. 優化目標和模型之間不可導的場景。例如，模型超參數的搜索；一些推薦類產品留存，總時長等不能建模，或者直接建模成本較高的場景。函數
2. 模型和業務規則邏輯或和其餘流程耦合的場景。例如，某業務線的流程包括上下游總共十幾個模塊串行處理，但願優化中間某個模塊的模型參數，可是下游處理模塊的邏輯對於當前優化是黑箱。經過進化算法能夠避免黑箱對於優化的不肯定性，直接提高最終評價指標。工具
3. 元學習。不少模型不是直接使用，而是須要在多個場景上進一步fine-tune。進化學習算法能夠利用最終fine-tune結果來優化元學習模型，破解求導鏈條過長等問題。學習
EvoKit有哪些特色？優化
1. EvoKit提供一整套可供線下調研及線上部署的進化學習工具。線下藉助飛槳開源框架 API實現快速調研，線上基於Paddle Lite等工具，支持以較小的成本完成調研到上線的流程。同時，EvoKit提供包含異步更新機制，參數壓縮和還原等線上業務廣泛需求的功能。
2. EvoKit使用上很是便利。用戶能夠利用飛槳開源框架 API搭建任意結構的複雜網絡。進化學習算法包含兩個關鍵步驟，採樣（或者擾動）和更新。網絡參數不斷經過擾動收集反饋，並基於相關反饋迭代進化網絡（如上圖所示）。EvoKit定義了主接口分別用於網絡的擾動（AddNoise）和更新迭代(Update)。用戶只需經過簡單幾行代碼就能實現完整的進化流程，下圖展現了一個僞代碼的樣例。EvoKit內置了包括ES, GA, CMA-ES等經常使用進化策略，也提供了很好的便於二次開發的可擴展接口，能夠方便實現新的算法。
多智能體強化學習
PARL 1.3還實現了全新的多智能體強化學習算法（Multi-Agent RL，MARL）的框架支持。MARL是RL挑戰羣體決策問題的「殺手鐗」，能夠被普遍運用在包括地圖派單，遊戲AI， 任務分配等等問題中，可是算法的復現難度比起傳統算法更大。不少RL框架很難利用一套框架兼容多種單智能體RL算法和MARL算法的開發。PARL在這一點上有新的突破。在單智能體算法中，PARL抽象出了Model、Algorithm、Agent三個模塊，分別定義了前向網絡（forward）、算法損失函數（backward）、數據交互等邏輯（見下圖）。這種以智能體爲核心的設計方式，在擴展到多智能體算法的時候，只需建立多個Agent實例，就可讓多個智能體交互起來，共同更新MARL算法。
以主流的MADDPG算法的評估爲例，能夠看到PARL在MARL的擴展性：
當經過Model、Algorithm搭建好多個Agent以後，這些Agent能夠很方便地和環境進行交互，存儲各自的數據，而後訓練模型。PARL1.3這次開源的MADDPG算法在OpenAI的8個MARL場景都進行了驗證，效果能徹底復現最優的表現。
此外，PARL 1.3版本還針對使用文檔、應用樣例進行了全面梳理，並開源了NuerIPS 2019強化學習賽事的冠軍解決方法。
基於這些全新的功能，但願PARL和EvoKit能給相關領域的同窗帶來新的便利，助力強化學習和進化學習算法在工業場景的進一步應用落地。
PARL和EvoKit徹底開源，歡迎你們使用，反饋和貢獻。
下載安裝命令
## CPU版本安裝命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle
## GPU版本安裝命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
>> 訪問 PaddlePaddle 官網，瞭解更多相關內容。