理工酷

OpenAI baselines：支持 python和TensorFlow，包括许多先进的算法。

RLLib：适用于TensorFlow和PyTorch，包括用于超参数调整的工具，并且支持多主体系统。

Nervana’s Coach：支持python和TensorFlow，针对Intel处理器进行了优化，包括许多相关算法。

TensorForce：支持python和TensorFlow中，包括许多相关算法。

RLLab：在python中实现了多的算法，例如信任区域策略优化（TRPO）和深度确定性策略梯度（DDPG）算法，交叉熵方法（CEM），协方差矩阵自适应-进化策略（CMA-ES）等。

Keras-RL：在python深度Q学习（DQN），Double DQN（消除了Q学习中最大运算符的偏差），DDPG，连续DQN（CDQN或NAF）和CEM中实现。

BURLAP：布朗大学的RL和Planning Java库，它实现了MDP，随机游戏和POMDP，以及经典且更高级的计划算法（从A *到上置信度树），一些标准RL算法（从Q学习到Actor-Critic）以及一些线性值函数逼近算法（最小二乘策略迭代，拟合值迭代）和一些有趣的特征基础函数（平铺编码，RBF和傅立叶）等等。

PyBrain：用于ML的通用python库，它实现了经典的RL算法（Q学习和SARSA）以及更高级的算法（例如，神经拟合Q迭代）。它还包括许多黑盒策略优化方法（例如CMA-ES，遗传算法等）。

Richard S. Sutton和Andrew G. Barto编写的Matlab代码。

ApproxRL：由Busoniu，Babuska，De Schutter和Ernst编写的Matlab代码。

RLPy：Python中的线性值函数逼近。