项目名称： RLCard
项目作者： Daochen Zha
开源许可协议： MIT
项目地址：gitee.com/daochenzha/…
项目简介
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 Texas A&M University 以及社区贡献者共同开发。
项目演示
除了斗地主外，它还支持多种卡牌游戏环境，包括二十一点、德州扑克、UNO、麻将等等。
示例
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()
复制代码RLCard可以灵活地连接各种算法，参考以下例子：
支持算法
| 算法 | 释例 | 参考 |
|---|---|---|
| 深度蒙特卡洛（Deep Monte-Carlo，DMC） | examples/run_dmc.py | [论文] |
| 深度Q学习 （Deep Q Learning, DQN） | examples/run_rl.py | [论文] |
| 虚拟自我对局 （Neural Fictitious Self-Play，NFSP） | examples/run_rl.py | [论文] |
| 虚拟遗憾最小化算法（Counterfactual Regret Minimization，CFR） | examples/run_cfr.py | [论文] |
如果你想要亲手试一试这个工具包，那么就点击下面的链接前往项目主页看看吧：gitee.com/daochenzha/…