实现中参考了：

1. https://github.com/MorvanZhou/Reinforcement-learning-with-tensorflow
2. https://github.com/jw1401/PPO-with-Tensorflow-2.0.0-alpha

由于之前使用老版本的tensorflow，所以在TF2.0发布之后想要用新版本来实现一下之前的代码。TF2.0使用起来和keras很像，本人之前也没有用过keras和pytorch，所以其中的一些机制还有些不太了解，实现中也许有一些不恰当的地方。

这些实现的性质更倾向于我个人的练习，这里仅实现了各个模型的简单版本，环境也只是Gym中的一些比较简单的环境。

欢迎大家指出我的错误，大家共同交流、进步。

我会在后续上传更多的模型实现。