open_spiel Unduh - open_spiel Unduh kode sumber

open_spiel

ular piton

OpenSpiel 1.5

Unduh

OpenSpiel: Kerangka Pembelajaran Penguatan dalam Game

OpenSpiel adalah kumpulan lingkungan dan algoritma untuk penelitian dalam pembelajaran penguatan umum dan pencarian/perencanaan dalam permainan. OpenSpiel mendukung n-player (tunggal dan multi-agen) zero-sum, kooperatif dan general-sum, one-shot dan sekuensial, turn-taking dan gerak simultan, permainan informasi sempurna dan tidak sempurna, serta lingkungan multiagen tradisional seperti dunia jaringan listrik (yang dapat diamati sebagian dan seluruhnya) dan dilema sosial. OpenSpiel juga menyertakan alat untuk menganalisis dinamika pembelajaran dan metrik evaluasi umum lainnya. Permainan direpresentasikan sebagai permainan prosedural dengan bentuk ekstensif, dengan beberapa perluasan alami. API inti dan game diimplementasikan dalam C++ dan diekspos ke Python. Algoritma dan alat ditulis dalam C++ dan Python.

Untuk mencoba OpenSpiel di Google Colaboratory, silakan merujuk ke subdirektori open_spiel/colabs atau mulai di sini.

Aset visual OpenSpiel

Indeks

Silakan pilih di antara opsi berikut:

Menginstal OpenSpiel
Pengantar OpenSpiel
Ikhtisar API dan Contoh Pertama
Referensi API
Ikhtisar Game yang Diimplementasikan
Ikhtisar Algoritma yang Diimplementasikan
Panduan Pengembang
Menggunakan OpenSpiel sebagai Perpustakaan C++
Pedoman dan Kontribusi
Penulis

Untuk pengenalan yang lebih panjang mengenai konsep inti, formalisme, dan terminologi, termasuk gambaran umum algoritma dan beberapa hasil, silakan lihat OpenSpiel: Kerangka Pembelajaran Penguatan dalam Permainan.

Untuk ikhtisar OpenSpiel dan contoh penggunaan API inti, silakan lihat tutorial kami:

Motivasi, API Inti, Pengantar Singkat Dinamika Repliktor dan Permainan Informasi Tidak Sempurna oleh Marc Lanctot. (slide) (colab)
Motivasi, API Inti, Penerapan CFR dan REINFORCE pada Kuhn poker, Leduc poker, dan Goofspiel oleh Edward Lockhart. (slide) (colab)

Jika Anda menggunakan OpenSpiel dalam penelitian Anda, harap mengutip makalah menggunakan BibTeX berikut:

 @article { LanctotEtAl2019OpenSpiel ,
  title     = { {OpenSpiel}: A Framework for Reinforcement Learning in Games } ,
  author    = { Marc Lanctot and Edward Lockhart and Jean-Baptiste Lespiau and
               Vinicius Zambaldi and Satyaki Upadhyay and Julien P'{e}rolat and
               Sriram Srinivasan and Finbarr Timbers and Karl Tuyls and
               Shayegan Omidshafiei and Daniel Hennes and Dustin Morrill and
               Paul Muller and Timo Ewalds and Ryan Faulkner and J'{a}nos Kram'{a}r
               and Bart De Vylder and Brennan Saeta and James Bradbury and David Ding
               and Sebastian Borgeaud and Matthew Lai and Julian Schrittwieser and
               Thomas Anthony and Edward Hughes and Ivo Danihelka and Jonah Ryan-Davis } ,
  year      = { 2019 } ,
  eprint    = { 1908.09453 } ,
  archivePrefix = { arXiv } ,
  primaryClass = { cs.LG } ,
  journal   = { CoRR } ,
  volume    = { abs/1908.09453 } ,
  url       = { http://arxiv.org/abs/1908.09453 } ,
}