OpenSpiel：游戏中的强化学习框架

OpenSpiel是一组环境和算法的集合，用于研究通用的强化学习和游戏中的搜索/规划。OpenSpiel支持n玩家（单代理和多代理）零和、合作和一般求和、一次性和非一次性、严格轮流和同时移动、完全信息和不完全信息游戏，以及传统的多代理环境，如（部分和完全可观察）网格世界和社会困境。OpenSpiel还包括分析学习动态和其他常用评估指标的工具。游戏以过程式扩展形式表示，并进行了一些自然扩展。核心API和游戏是用C++实现的，并暴露给Python。算法和工具是用C++和Python编写的。

要尝试在Google Colaboratory中使用OpenSpiel，请参阅open_spiel/colabs子目录或从这里开始here.

索引

请从以下选项中选择

• 安装OpenSpiel
• OpenSpiel简介
• API概览和第一个示例
• API参考
• 实现的游戏概述
• 实现算法概述
• 开发者指南
• 将OpenSpiel用作C++库
• 指导原则和贡献
• 作者

有关核心概念、形式化和术语的更详细介绍，包括算法概述和一些结果，请参阅OpenSpiel：用于博弈中强化学习的一个框架。

有关OpenSpiel的概述和核心API的示例用法，请查看我们的教程

• 动机、核心API、Replictor动力学和不完全信息博弈的简要介绍，由Marc Lanctot提供。(幻灯片) (colab)
• 动机、核心API、在Kuhn扑克、Leduc扑克和Goofspiel中实现CFR和REINFORCE，由Edward Lockhart提供。(幻灯片) (colab)

如果您在研究中使用了OpenSpiel，请使用以下BibTeX引用该论文

@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。