RLCard: 卡牌游戏强化学习工具包

English README

RLCard是一款卡牌游戏强化学习 (Reinforcement Learning, RL) 的工具包。 它支持多种卡牌游戏环境，具有易于使用的接口，以用于实现各种强化学习和搜索算法。 RLCard的目标是架起强化学习和非完全信息游戏之间的桥梁。 RLCard由DATA Lab at Rice and Texas A&M University以及社区贡献者共同开发.

• 官方网站：https://www.rlcard.org
• Jupyter Notebook教程：https://github.com/datamllab/rlcard-tutorial
• 论文：https://arxiv.org/abs/1910.04376
• 视频：YouTube
• 图形化界面：RLCard-Showdown
• 斗地主演示：Demo
• 资源：Awesome-Game-AI
• 相关项目：DouZero项目
• 知乎：https://zhuanlan.zhihu.com/p/526723604
• 杂项资源：您听说过以数据为中心的人工智能吗？请查看我们的 data-centric AI survey 和 awesome data-centric AI resources!

社区:

• Slack: 在我们的#rlcard-project slack频道参与讨论.
• QQ群: 加入我们的QQ群讨论。密码：rlcardqqgroup
  • 一群：665647450
  • 二群：117349516

新闻:

• 我们更新Jupyter Notebook的教程帮助您快速了解RLCard！请看 RLCard 教程.
• 所有的算法都已支持PettingZoo接口. 请点击这里. 感谢Yifei Cheng的贡献。
• 请关注DouZero, 一个强大的斗地主AI，以及ICML 2021论文。点击此处进入在线演示。该算法同样集成到了RLCard中，详见在斗地主中训练DMC。
• 我们的项目被用在PettingZoo中，去看看吧！
• 我们发布了RLCard的可视化演示项目：RLCard-Showdown。请点击此处查看详情！
• Jupyter Notebook教程发布了！我们添加了一些R语言的例子，包括用reticulate调用RLCard的Python接口。点击查看详情。
• 感谢@Clarit7为支持不同人数的二十一点游戏（Blackjack）做出的贡献。我们欢迎更多的贡献，以使得RLCard中的游戏配置更加多样化。点击这里查看详情。
• 感谢@Clarit7为二十一点游戏（Blackjack）和限注德州扑克的人机界面做出的贡献。
• RLCard现支持本地随机环境种子和多进程。感谢@weepingwillowben提供的测试脚本。
• 无限注德州扑克人机界面现已可用。无限注德州扑克的动作空间已被抽象化。感谢@AdrianP-做出的贡献。
• 新游戏Gin Rummy以及其可视化人机界面现已可用，感谢@billh0420做出的贡献。
• PyTorch实现现已可用，感谢@mjudell做出的恭喜。

引用

如果本项目对您有帮助，请添加引用：

Zha, Daochen, et al. "RLCard: A Platform for Reinforcement Learning in Card Games." IJCAI. 2020.

@inproceedings{zha2020rlcard,
  title={RLCard: A Platform for Reinforcement Learning in Card Games},
  author={Zha, Daochen and Lai, Kwei-Herng and Huang, Songyi and Cao, Yuanpu and Reddy, Keerthana and Vargas, Juan and Nguyen, Alex and Wei, Ruzhe and Guo, Junyu and Hu, Xia},
  booktitle={IJCAI},
  year={2020}
}

安装

确保您已安装Python 3.6+和pip。我们推荐您使用pip安装稳定版本rlcard：

pip3 install rlcard

默认安装方式只包括卡牌环境。如果想使用PyTorch实现的训练算法，运行

pip3 install rlcard[torch]

如果您访问较慢，国内用户可以通过清华镜像源安装：

pip3 install rlcard -i https://pypi.tuna.tsinghua.edu.cn/simple

或者，您可以克隆最新版本（如果您访问Github较慢，国内用户可以使用Gitee镜像）：

git clone https://github.com/datamllab/rlcard.git

或使只克隆一个分支以使其更快

git clone -b master --single-branch --depth=1 https://github.com/datamllab/rlcard.git

然后运行以下命令进行安装

cd rlcard
pip3 install -e .
pip3 install -e .[torch]

我们也提供conda安装方法:

conda install -c toubun rlcard

Conda安装只包含卡牌环境，您需要按照您的需求手动安装PyTorch。

释例

以下是一个小例子

import rlcard
from rlcard.agents import RandomAgent

env = rlcard.make('blackjack')
env.set_agents([RandomAgent(num_actions=env.num_actions)])

print(env.num_actions) # 2
print(env.num_players) # 1
print(env.state_shape) # [[2]]
print(env.action_shape) # [None]

trajectories, payoffs = env.run()

RLCard可以灵活地连接各种算法，参考以下例子：

• 小试随机智能体
• Blackjack上的Deep-Q学习
• 在Leduc Hold'em上训练CFR(机会抽样)
• 与预训练Leduc模型游玩
• 在斗地主上训练DMC
• 评估智能体
• 在PettingZoo上训练

演示

运行examples/human/leduc_holdem_human.py来游玩预训练的Leduc Hold'em模型。Leduc Hold'em是简化版的德州扑克，具体规则可以参考这里。

>> Leduc Hold'em pre-trained model

>> Start a new game!
>> Agent 1 chooses raise

=============== Community Card ===============
┌─────────┐
│░░░░░░░░░│
│░░░░░░░░░│
│░░░░░░░░░│
│░░░░░░░░░│
│░░░░░░░░░│
│░░░░░░░░░│
│░░░░░░░░░│
└─────────┘
===============   Your Hand    ===============
┌─────────┐
│J        │
│         │
│         │
│    ♥    │
│         │
│         │
│        J│
└─────────┘
===============     Chips      ===============
Yours:   +
Agent 1: +++
=========== Actions You Can Choose ===========
0: call, 1: raise, 2: fold

>> You choose action (integer):

我们也提供图形界面以实现更便捷的调试，详情请查看这里。以下是一些演示：

可用环境

我们从不同角度提供每种游戏的估算复杂度。 InfoSet数量： 信息集数量；InfoSet尺寸： 单个信息集的平均状态数量；状态尺寸： 状态空间的尺寸；环境名： 应该传入rlcard.make以创建新游戏环境的名称。除此之外，我们也提供每种环境的文档链接和随机智能体释例。

支持算法

预训练和基于规则的模型

我们提供了一个模型集合作为基准线。

API小抄

如何创建新的环境

您可以使用以下的接口创建新环境，并且可以用字典传入一些可选配置项

• env = rlcard.make(env_id, config={}): 创建一个环境。env_id是环境的字符串代号；config是一个包含一些环境配置的字典，具体包括：
  • seed：默认值None。设置一个本地随机环境种子用以复现结果。
  • allow_step_back: 默认值False. True将允许step_back函数用以回溯遍历游戏树。
  • 其他特定游戏配置：这些配置将以game_开头。目前我们只支持配置Blackjack游戏中的玩家数量game_num_players。

环境创建完成后，我们就能访问一些游戏信息。

• env.num_actions: 状态数量。
• env.num_players: 玩家数量。
• env.state_shape: 观测到的状态空间的形状（shape）。
• env.action_shape: 状态特征的形状（shape），斗地主的状态可以被编码为特征。

RLCard中的状态是什么

状态（State）是一个Python字典。它包括观测值state['obs']，合规动作state['legal_actions']，原始观测值state['raw_obs']和原始合规动作state['raw_legal_actions']。

基础接口

以下接口提供基础功能，虽然其简单易用，但会对智能体做出一些前提假设。智能体必须符合智能体模版。

• env.set_agents(agents): agents是Agent对象的列表。列表长度必须等于游戏中的玩家数量。
• env.run(is_training=False): 运行一局完整游戏并返回轨迹（trajectories）和回报（payoffs）。该函数可以在set_agents被调用之后调用。如果is_training设定为True，它将使用智能体中的step函数来进行游戏；如果is_training设定为False，则会调用eval_step。

高级接口

对于更高级的方法，可以使用以下接口来对游戏树进行更灵活的操作。这些接口不会对智能体有前提假设。

• env.reset(): 初始化一个游戏，返回状态和第一个玩家的ID。
• env.step(action, raw_action=False): 推进环境到下一步骤。action可以是一个原始动作或整型数值；当传入原始动作（字符串）时，raw_action应该被设置为True。
• env.step_back(): 只有当allow_step_back设定为True时可用，向后回溯一步。 该函数可以被用在需要操作游戏树的算法中，例如CFR（机会抽样）。
• env.is_over(): 如果当前游戏结束，则返回True，否则返回False。
• env.get_player_id(): 返回当前玩家的ID。
• env.get_state(player_id): 返回玩家IDplayer_id对应的状态。
• env.get_payoffs(): 在游戏结束时，返回所有玩家的回报（payoffs）列表。
• env.get_perfect_information(): （目前仅支持部分游戏）获取当前状态的完全信息。

库结构

主要模块的功能如下：

• /examples: 使用RLCard的一些样例。
• /docs: RLCard的文档。
• /tests: RLCard的测试脚本。
• /rlcard/agents: 强化学习算法以及人类智能体。
• /rlcard/envs: 环境包装（状态表述，动作编码等）。
• /rlcard/games: 不同的游戏引擎。
• /rlcard/models: 包括预训练模型和规则模型在内的模型集合。

更多文档

请参考这里查阅更多文档Documents。API文档在我们的网站中。

贡献

我们非常感谢对本项目的贡献！请为反馈或漏洞创建Issue。如果您想恭喜代码，请参考贡献指引。如果您有任何问题，请联系通过daochen.zha@rice.edu联系Daochen Zha

致谢

我们诚挚的感谢竞技世界网络技术有限公司（JJ World Network Technology Co.,LTD）为本项目提供的大力支持，以及所有来自社区成员的贡献。