deep rts下載 - deep rts原始碼下載

deep rts

Ai源碼

1.0.0

下載

描述

DeepRTS 是一款用於強化學習研究的高效能即時策略遊戲。它是為了提高效能而用 C++ 編寫的，但提供了一個 python 接口，以便更好地與機器學習工具包互動。深度 RTS 可以每秒超過6,000,000步處理遊戲，渲染圖形時可以達到2,000,000步。與《星海爭霸》等其他解決方案相比，在配備 Nvidia RTX 2080 TI 的英特爾 i7-8700k 上運行的模擬時間快了 15 000%以上。

Deep RTS 的目標是透過減少運算時間，為 RTS AI 研究帶來更實惠、更永續的解決方案。

建議對環境的最新（通常也是最好）版本使用主分支。我非常感謝任何有關改善環境的意見。

在您的工作中使用此內容時，請使用以下引用！

 @INPROCEEDINGS{8490409,
author={P. {Andersen} and M. {Goodwin} and O. {Granmo}},
booktitle={2018 IEEE Conference on Computational Intelligence and Games (CIG)},
title={Deep RTS: A Game Environment for Deep Reinforcement Learning in Real-Time Strategy Games},
year={2018},
volume={},
number={},
pages={1-8},
keywords={computer games;convolution;feedforward neural nets;learning (artificial intelligence);multi-agent systems;high-performance RTS game;artificial intelligence research;deep reinforcement learning;real-time strategy games;computer games;RTS AIs;Deep RTS game environment;StarCraft II;Deep Q-Network agent;cutting-edge artificial intelligence algorithms;Games;Learning (artificial intelligence);Machine learning;Planning;Ground penetrating radar;Geophysical measurement techniques;real-time strategy game;deep reinforcement learning;deep q-learning},
doi={10.1109/CIG.2018.8490409},
ISSN={2325-4270},
month={Aug},}

依賴關係

Python >= 3.9.1

安裝

方法 1（來自 Git 儲存庫）

 sudo pip3 install git+https://github.com/cair/DeepRTS.git

方法 2（克隆和構建）

 git clone https://github.com/cair/deep-rts.git
cd deep-rts
git submodule sync
git submodule update --init
sudo pip3 install .

可用地圖

 10x10-2-FFA
15x15-2-FFA
21x21-2-FFA
31x31-2-FFA
31x31-4-FFA
31x31-6-FFA

應用場景

深度 RTS 的特點是預先建立的迷你遊戲場景。這些迷你遊戲非常適合訓練代理執行特定任務，或測試不同問題設定中的演算法。使用場景的好處是，您可以使用每個標準根據任務的完成情況輸出獎勵/懲罰訊號的標準來簡單地設計獎勵函數。任務範例如下：

收集 1000 金幣
造成 100 點傷害
受到 1000 點傷害
擊敗5個敵人

Deep RTS目前實現了以下場景

 GoldCollectFifteen
GeneralAIOneVersusOne

最小的例子

 import random
from DeepRTS . python import Config
from DeepRTS . python import scenario

if __name__ == "__main__" :
    random_play = True
    episodes = 100

    for i in range ( episodes ):
        env = scenario . GeneralAI_1v1 ( Config . Map . THIRTYONE )
        state = env . reset ()
        done = False

        while not done :
            env . game . set_player ( env . game . players [ 0 ])
            action = random . randrange ( 15 )
            next_state , reward , done , _ = env . step ( action )
            state = next_state

            if ( done ):
                break

            env . game . set_player ( env . game . players [ 1 ])
            action = random . randrange ( 15 )
            next_state , reward , done , _ = env . step ( action )
            state = next_state