Skip to content

RL RunFast

Github: zawnpn/RL_RunFast

简介

一款基于DQN算法的牌类游戏AI框架 / An AI framework for card games based on DQN algorithm

代码结构

RL_RunFast
├── GameEnv # 游戏环境
│   └── RunFastGame.py # 游戏的规则定义等
├── RL_framework
│   └── DQN.py # DQN算法实现
├── extra
│   ├── config.py # 程序的参数设置
│   └── utils.py # 一些额外函数
├── save # 用于保存训练进度和训练模型
├── train.py # 训练模型，并将模型保存至save/
└── test.py # 根据训练得到的模型进行测试

使用说明

首先使用conda或者virtualenv设置独立python环境

conda：

# for conda
conda create -n rl_runfast python=3.6
conda activate rl_runfast

virtualenv:

# for virtualenv
cd RL_RunFast
python3 -m venv venv
source venv/bin/activate

设置好基本环境后，根据你的硬件情况，选择requirements_gpu.txt或requirements_cpu.txt来安装依赖

pip install -r requirements_gpu.txt
## if you do not have GPU:
# pip install -r requirements_cpu.txt

至此，环境和依赖已设置好，可以直接开始训练（训练脚本会自动检测GPU/CPU设备）

python train.py

训练过程中，会将训练日志输出至./runs/目录，可通过tensorboard实时查看。

训练过程可随时终止，会将当前的参数和模型保存至./save/目录，再次执行train.py时，若检测到./save/目录存在这些参数和模型的保存文件，会加载他们并继续接着训练。若要重新开始训练，请清空./save/目录下的文件。

训练结束后，可以通过test.py来测试模型效果：

python test.py

他将基于你的./save/目录下的模型文件来测试多局游戏，并计算平均胜率。

程序接口说明

若需修改调整程序，请阅读下面的接口说明。

游戏环境

游戏环境主要部分定义在GameEnv/RunFastGame.py中，该文件定义了了一个RunfastGameEnv类，可以调用的接口有：

  • get_state(self)：返回当前玩家的状态
  • get_cards(self)： 返回当前玩家的手牌
  • show_cards(self)：print当前玩家的手牌
  • set_cards(self, cards)：通过传入一个cards数组，修改当前玩家的手牌
  • get_next_player(self)：返回当前玩家的下一位接牌玩家
  • update_next(self, new_next)：修改当前玩家的下一位接牌玩家
  • get_position(self)：返回当前玩家在三位玩家中的位置
  • update_position(self, new_position)：修改当前玩家的位置
  • play_cards(self, cards_toplay, test=False)：根据传入的cards_toplay来执行这一action
  • search_play_methods(self, pattern)：根据传入的pattern，来查找并返回该pattern下所有能打出的牌（关于pattern的说明：根据不同的牌型，总共定义了22种pattern，详情可参考search_pattern函数）

算法

本框架使用了DQN算法，定义于RL_framework/DQN.py中。根据DQN的特性，定义了QNet类和DQN类，主要的函数有：

  • store_transition(self, player, action_cards, current_state)：每次出牌结束，存储当时的状态s、出牌a、 玩家ABC的位置，当一整局结束后，根据 ABC 的位置分配reward
  • learn(self)：读取之前存储的batch data，然后进行Q-Learning训练
  • choose_action(self, player, EPSILON, ways_toplay=[])：根据提供的EPSILON和卡池ways_toplay，计算不同action的Q值，并作出\(\varepsilon\)-greedy决策

额外函数

在extra/config.py中，定义了训练需要的超参数，以及模型和参数文件的保存路径等。

在extra/utils.py中，定义了一些工具函数，如发牌divide_cards()、计分calculate_score(cards_left)等等。

训练和测试

在train.py和test.py中，会调用环境、算法、额外函数等，进行self-play训练和测试。训练日志会保存在./runs/目录，可通过tensorboard实时查看，训练模型会保存至./save/目录，可用于继续训练，也可通过test.py调用来作测试，测试结果会保存在./save/test_result.txt。

Last update: April 14, 2023