open_spiel

OpenSpiel：游戏中强化学习的框架

OpenSpiel 是用于研究一般强化学习和游戏中搜索/规划的环境和算法的集合。 OpenSpiel 支持 n 人（单智能体和多智能体）零和、合作和一般和、单发和顺序、严格轮流和同时移动、完美和不完美信息博弈以及传统的多智能体环境例如（部分和完全可观察的）网格世界和社会困境。 OpenSpiel 还包括用于分析学习动态和其他常见评估指标的工具。游戏被表示为程序性的扩展形式的游戏，具有一些自然的扩展。核心 API 和游戏用 C++ 实现并暴露给 Python。算法和工具都是用 C++ 和 Python 编写的。

要在 Google Colaboratory 中试用 OpenSpiel，请参阅open_spiel/colabs子目录或从这里开始。

指数

请选择以下选项：

• 安装 OpenSpiel
• OpenSpiel简介
• API 概述和第一个示例
• API参考
• 实施的游戏概述
• 已实现算法概述
• 开发者指南
• 使用 OpenSpiel 作为 C++ 库
• 指南和贡献
• 作者

有关核心概念、形式和术语的详细介绍，包括算法概述和一些结果，请参阅 OpenSpiel：游戏中强化学习的框架。

有关 OpenSpiel 的概述以及核心 API 的示例使用，请查看我们的教程：

• Marc Lanctot 的《动机》、《核心 API》、《复制动力学简介》和《不完美信息游戏》。 （幻灯片）（合作实验室）
• Edward Lockhart 的动机、核心 API、在 Kuhn 扑克、Leduc 扑克和 Goofspiel 上实现 CFR 和 REINFORCE。 （幻灯片）（合作实验室）

如果您在研究中使用 OpenSpiel，请使用以下 BibTeX 引用论文：

 @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 } ,
}

版本控制

我们使用语义版本控制。