论文链接 ：https://arxiv.org/pdf/1908.08342

论文代码：https://github.com/RunzheYang/MORL

博客https://blog.csdn.net/weixin_56760882/article/details/145572826以深海宝藏环境（DST 域）举例展示复现结果，本文以FTN 域（水果树导航）为例展示复现过程。

复现过程中，git原论文代码，在笔记本上（RTX 4060）配置环境，并运行。

---

该项目是通用多目标强化学习算法，核心是envelope MOQ-learning，落地在4 类环境（2 个合成环境 + 2 个真实环境）：

两个合成环境：

• Deep Sea Treasure （DST）：深海寻宝。
• Fruit Tree Navigation （FTN）：果树导航。

两个复杂真实环境：

• Task-Oriented Dialog Policy Learning（Dialog）：面向任务的对话策略学习。
• SuperMario Game （SuperMario）：超级马里奥游戏。

---

进入目录synthetic：

文件路径	核心作用	需理解的关键内容
synthetic/train.py	合成环境训练入口	命令行参数解析（如--env-name ft 指定 FTN 环境、--method crl-envelope 指定核心算法）、训练循环逻辑
synthetic/crl/envelope/meta.py	核心算法实现	envelope MOQ-learning 的核心逻辑（多目标奖励加权、策略更新、经验回放）
synthetic/crl/envelope/models	网络结构	线性 / 非线性网络配置（适配不同合成环境的状态 / 动作空间）
synthetic/envs	合成环境定义	DST/FTN 环境的状态、动作、多目标奖励函数定义（理解环境规则是复现的前提）

一、环境搭建——基础依赖安装

原代码依赖的 torch 0.4.0（2018 年版本）对 RTX40 系列显卡的 CUDA 架构支持不足（RTX4060 是 Ada Lovelace 架构，sm_89，而 torch 0.4.0 最高仅支持到 sm_75/Turing 架构）。

为适配RTX4060，升级pytorch：

# 1. 创建新环境（指定Python3.6.15）
conda create -n morl-synthetic python=3.6.15 -y

# 2. 激活新环境
conda activate morl-synthetic

# 3. 安装Python3.6兼容的核心依赖（适配RTX4060）
# 先装numpy/scipy（Python3.6最高兼容版）
pip install numpy==1.19.5 scipy==1.5.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 4. 安装torch 1.10.2+cu113（Python3.6唯一支持的高版本，适配RTX4060）
pip install torch==1.10.2+cu113 torchvision==0.11.3+cu113 torchaudio==0.10.2+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple

验证 PyTorch+CUDA 是否适配 RTX4060：

python -c "import torch; 
print('PyTorch版本:', torch.__version__);
print('CUDA版本:', torch.version.cuda);
print('CUDA是否可用:', torch.cuda.is_available());
print('GPU名称:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else '未识别')"

安装其他辅助依赖：

# 其他辅助依赖
pip install termcolor==1.1.0 torchfile==0.1.0 Pillow==8.4.0 six==1.16.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装visdom：

（之所以着重单列出来，是因为visdom 启动时会尝试从外网下载前端静态资源（js/css），但网络总是超时 / 访问失败。最后选择离线下载以及编译）

1.下载 visdom 离线资源包：

cd D:\ProgramData\论文复现\FirRL
# 克隆 visdom 仓库
git clone https://github.com/fossasia/visdom.git【我自己直接下载了zip】
#进入解压的visdom-master目录
cd D:\ProgramData\论文复现\FirRL\visdom-master
# 切换yarn镜像源（解决国内下载依赖慢的问题）
yarn config set registry https://registry.npmmirror.com
# 设置electron镜像源
yarn config set electron_mirror https://npmmirror.com/mirrors/electron/
# 安装Visdom前端编译依赖（耗时3-8分钟，无Error即成功）跳过可选依赖（electron属于可选依赖）
yarn install --ignore-optional
# 编译生成static文件夹（1-2分钟，看到Compiled successfully即成功）
yarn run build
# 查找visdom安装目录（复制输出的路径）
python -c "import visdom; print(visdom.__path__[0])"
输出：D:\Anaconda\envs\morl-synthetic\lib\site-packages\visdom
# 复制编译好的文件夹
xcopy /E /I /Y D:\ProgramData\论文复现\FirRL\visdom-master\py\visdom\static D:\Anaconda\envs\morl-synthetic\lib\site-packages\visdom\static

其中：【/E：递归复制所有子目录和文件；】
【/I：如果目标不存在，视为创建目录。】注意地址替换成自己的地址。

该步骤会生成static，原先没有编译前，直接在visdom-master中是没有的。

2.解压 static.zip 到 visdom 安装目录的 static 文件夹：

路径：D:\Anaconda\envs\morl-synthetic\Lib\site-packages\visdom\static
（若没有 static 文件夹，先创建）

3.修复 visdom 启动代码的异常处理：

修改D:\Anaconda\envs\morl-synthetic\Lib\site-packages\visdom\server.py第671-673行：
# 原错误代码
# logging.error('Error {} while downloading {}'.format(exc.code, key))
# 替换为
if hasattr(exc, 'code'):
    logging.error('Error {} while downloading {}'.format(exc.code, key))
else:
    logging.error('Error while downloading {}: {}'.format(key, exc))

解决目录日志问题：
打开 D:\ProgramData\论文复现\FirRL\synthetic\utils\monitor.py，找到init_log函数，添加 1 行创建目录的代码：
def init_log(self, save_path, name):
    # 新增这1行（解决FileNotFoundError，不改动论文原逻辑）
    import os; os.makedirs(save_path, exist_ok=True)
    # 论文原代码保留不动
    self.log_file = open("{}{}.log".format(save_path, name), 'w')

4.跳过资源下载启动 visdom：

打开 D:\Anaconda\envs\morl-synthetic\lib\site-packages\visdom\server.py，找到download_scripts()函数，替换整个函数内容：

def download_scripts():
    """
    重写函数：跳过所有外网资源下载，直接使用本地static文件夹
    """
    import os
    # 定义本地static文件夹路径（和你复制的路径一致）
    static_dir = os.path.join(os.path.dirname(__file__), 'static')
    # 检查本地static文件是否存在（确保你复制的文件有效）
    if os.path.exists(os.path.join(static_dir, 'js', 'main.js')):
        print("检测到本地static文件夹，跳过外网资源下载！")
        return
    # 若本地无文件，仅打印提示（不再报错）
    print("本地static文件夹缺失，建议检查复制路径！")
    return

保持morl-synthetic环境激活，启动Visdom（新开一个PowerShell窗口执行）

python -m visdom.server
# 成功启动会看到：It's Alive! 且提示可访问http://localhost:8097

成功后的输出：
Checking for scripts.
It's Alive!
INFO:root:Application Started
You can navigate to http://localhost:8097

二、模型训练

FTN 域（水果树导航）：
是一个树形导航游戏——agent（智能体）从树根出发，每一步选择分支，目标是收集 6 种水果（多目标），走到树叶（终点）结束一轮；日志里的步数、累计步数、动作、奖励列表就是 agent 在这个树形场景里的行走记录，True表示走到了树叶（本轮结束）。

保持morl-synthetic环境激活

先进入synthetic目录

cd D:\ProgramData\论文复现\FirRL\synthetic

运行代码：

python train.py --env-name dst --method crl-envelope --model linear --gamma 0.99 `
>> --mem-size 4000 --batch-size 256 --lr 1e-3 --epsilon 0.5 --epsilon-decay `
>> --weight-num 32 --episode-num 2000 --optimizer Adam --save crl/envelope/saved/ `
>> --log crl/envelope/logs/ --update-freq 100 --beta 0.96 --name s3_r9 `
>> 2>&1 | Tee-Object -FilePath "crl/envelope/logs/training_s3_r9_$timestamp.log"

训练过程与结果：

三、评估

评估代码：

$timestamp = Get-Date -Format "yyyyMMdd_HHmmss"; python test/eval_dst.py --env-name dst --method crl-envelope --model linear --gamma 0.99 --save crl/envelope/saved/ --pltpareto --name s3_r9 2>&1 | Tee-Object -FilePath "crl/envelope/logs/eval_s3_r9_$timestamp.log"

结果：

• policy-0.936：策略 F1 分数（衡量模型生成的策略接近最优解的程度），正常范围 0.85~0.98；
• prediction-0.945：预测 F1 分数（衡量模型对收益 / 代价的预测准确度）；这两个指标远高于阈值（通常 F1>0.85 即达标），说明训练的s3_r9模型在 DST 环境下效果优异。

深海宝藏（DST）环境下多目标强化学习（MORL）的 Pareto 前沿评估图：

元素	含义
X 轴teasure value	宝藏价值，越大表示获得的宝藏越多（目标 1）。
Y 轴time penalty	时间惩罚（负值），越负表示消耗的时间越多 / 惩罚越大（目标 2）。
黑色虚线 + 黑点Pareto	理论最优 Pareto 前沿（真实值），是算法需要逼近的目标。
橙色点Recovered	策略实际执行得到的解（通过 agent.act 执行策略采样得到）。
绿色点 / 线Predicted	模型直接预测的解（通过 agent.predict 输出的 HQ 值）。

绿色（Predicted）和橙色（Recovered）点整体紧密贴合黑色虚线（理论 Pareto），说明：

• 模型预测的 Pareto 解（绿色）几乎和理论最优一致；
• 策略实际执行的解（橙色）也高度匹配理论前沿，算法学到的策略能有效复现最优权衡。

四、高版本 PyTorch 适配注意事项（避免报错）

原代码基于 PyTorch 0.4.0，高版本需微调：

1. Tensor 数据类型兼容

找到synthetic/train.py/roijers_train.py中类似代码：

# 原代码（0.4.0）
FloatTensor = torch.cuda.FloatTensor if use_cuda else torch.FloatTensor
LongTensor = torch.cuda.LongTensor if use_cuda else torch.LongTensor

修改为（适配 1.0+）：

# 适配PyTorch 1.10
FloatTensor = torch.cuda.FloatTensor if use_cuda else torch.FloatTensor
LongTensor = torch.cuda.LongTensor if use_cuda else torch.LongTensor
# 新增：修复高版本Tensor赋值警告
torch.set_default_tensor_type(FloatTensor)

2. data.cpu()改为cpu().data（部分文件）

act_1 = act_1.data.cpu()可能触发警告

原代码基于 PyTorch 0.4.0，高版本需微调train.py中 Tensor 操作：

操作文件：D:\ProgramData\论文复现\FirRL\synthetic\train.py

找到以下代码：

if args.method == "crl-naive":
    act_1 = act_1.data.cpu()
    act_2 = act_2.data.cpu()
elif args.method == "crl-envelope":
    act_1 = probe.dot(act_1.data)
    act_2 = probe.dot(act_2.data)
elif args.method == "crl-energy":
    act_1 = probe.dot(act_1.data)
    act_2 = probe.dot(act_2.data)

修改为（适配 PyTorch 1.0+）：

if args.method == "crl-naive":
    act_1 = act_1.cpu().data  # 调换cpu()和data顺序
    act_2 = act_2.cpu().data
elif args.method == "crl-envelope":
    act_1 = probe.dot(act_1.cpu().data)  # 新增cpu()避免CUDA Tensor报错
    act_2 = probe.dot(act_2.cpu().data)
elif args.method == "crl-energy":
    act_1 = probe.dot(act_1.cpu().data)
    act_2 = probe.dot(act_2.cpu().data)

---

在合成环境中，使用了论文中推荐的参数训练，实现以上可收敛效果。对源代码修改很少，主要还是花费在配置环境上。使用--episode-num 2000 训练时间在3-4小时左右（暂时没有运行5000的）。

另：正常代码输出的log文件并没有保存终端中输出的文件，需要单独存储，然后利用这些数据进行分析和画图，这样较为直观。