德州扑克

此环境是经典环境的一部分。请先阅读该页面以获取一般信息。

导入	from pettingzoo.classic import texas_holdem_v4
动作	离散
并行 API	是
手动控制	否
智能体	agents= ['player_0', 'player_1']
智能体	2
动作空间形状	离散(4)
动作值	离散(4)
观测空间形状	(72,)
观测值	[0, 1]

参数

texas_holdem_v4.env(num_players=2)

num_players: 设置游戏中的玩家数量。最少为 2 名玩家。

观测空间

观测是一个字典，其中包含一个'observation'元素（即下面描述的常规强化学习观测）和一个'action_mask'元素（用于存储合法动作，详见合法动作掩码部分）。

主要观测空间是一个包含 72 个布尔整型的向量。前 52 个条目表示当前玩家的手牌和任何公共牌，如下所示

索引	描述
0 - 12	黑桃 0: A, 1: 2, ..., 12: K
13 - 25	红心 13: A, 14: 2, ..., 25: K
26 - 38	方块 26: A, 27: 2, ..., 38: K
39 - 51	梅花 39: A, 40: 2, ..., 51: K
52 - 56	第 1 轮下注筹码 52: 0, 53: 1, ..., 56: 4
57 - 61	第 2 轮下注筹码 57: 0, 58: 1, ..., 61: 4
62 - 66	第 3 轮下注筹码 62: 0, 63: 1, ..., 66: 4
67 - 71	第 4 轮下注筹码 67: 0, 68: 1, ..., 71: 4

合法动作掩码

当前智能体的合法动作位于字典观测的action_mask元素中。action_mask是一个二进制向量，向量中的每个索引表示该动作是否合法。对于非当前轮次的智能体，action_mask将全为零。执行非法动作将结束游戏，非法行动的智能体获得 -1 奖励，所有其他智能体获得 0 奖励。

动作空间

动作 ID	动作
0	跟注
1	加注
2	弃牌
3	让牌

奖励

赢家	输家
+下注筹码/2	-下注筹码/2

版本历史

• v4: 升级到 RLCard 1.0.3 (1.11.0)

• v3: 修复了任意调用 observe() 的错误 (1.8.0)

• v2: 更新 RLCard 版本，修复错误，观测中的合法动作掩码替换了 infos 中的非法动作列表 (1.5.0)

• v1: 更新 RLCard 版本，修复观测空间，采用新的智能体迭代方案，即所有智能体完成后再进行迭代 (1.4.0)

• v0: 初始版本发布 (1.0.0)

用法

AEC

from pettingzoo.classic import texas_holdem_v4

env = texas_holdem_v4.env(render_mode="human")
env.reset(seed=42)

for agent in env.agent_iter():
    observation, reward, termination, truncation, info = env.last()

    if termination or truncation:
        action = None
    else:
        mask = observation["action_mask"]
        # this is where you would insert your policy
        action = env.action_space(agent).sample(mask)

    env.step(action)
env.close()

API

class pettingzoo.classic.rlcard_envs.texas_holdem.env(**kwargs)

class pettingzoo.classic.rlcard_envs.texas_holdem.raw_env(num_players: int = 2, render_mode: str | None = None, screen_height: int | None = 1000)

render()

根据 self.render_mode 指定的方式渲染环境。

渲染模式可以是human以显示窗口。默认环境中的其他渲染模式包括返回 numpy 数组并受经典环境之外所有环境支持的‘rgb_array’，以及返回打印字符串（特定于经典环境）的‘ansi’。