NUAA-guandan - AI掼蛋系统（深度学习+强化学习）

项目说明

NUAA 2021 基于深度学习的掼蛋系统

项目结构：

---

启动说明

快速开始

> 上述会开启若干个进程，请注意赋予相应的执行权限

--agenti 定义了第i个玩家使用何种AI模型进行游戏。默认1号玩家为EggPan，其他玩家为Demo（Demo就是随即策略）

> EggPan也就是两年前和队友一起参加掼蛋比赛时起的队名hhh

游戏结束后，会有相关的提示，然后按下 Ctrl + C 或者 Ctrl + Z 退出即可。请在看到绿色的进程销毁信息后再关闭终端，否则残余的进程可能会使得下一次的启动出现端口占用的问题。如果你强行退出了，请检查 23456 号端口是否被占用，如果被占用，请手动关闭。

> 整个系统，无论是训练还是推理，都是通过launch/launch.py文件来执行的，但是launch.py需要配置的参数比较多。为了方便使用，我还对launch.py进行了二次封装，比如train.py。

获取说明

---

训练说明

生成模型路径

训练产生的checkpoints默认会创建在./model/checkpoints_年_月_日_时_分_秒文件夹中。产生的每个pth结构如下：

参数说明：


---

断点续训

train.py可以接受一个参数model，代表需要继续训练的模型的路径。默认是None，即从头训练。如果你需要进行断点续训，请指派该参数，参数的内容为数据结构和上述描述的pth一致的（至少包含model_state_dict），如果输入的pickle同时包含model_state_dict与model_class，请确保它们保持一致。

如果你嫌model参数过于麻烦，可以使用lock_value参数和lock_reward参数。以lock_value参数为例，参数为float，指定后系统会去.\model文件夹中去搜寻名字中带有value(模仿学习训练过程的checkpoints，先搜索最近时间的)，且值为lock_value的pth文件，并将该文件的根目录相对路径赋予参数model。

比如你刚刚的模仿学习训练得到了value=7.28的一个模型，那么为了在此基础上继续训练，你可以：

对于强化学习的结果(reward值)，同理可得。

---

测试

如果你像修改或添加coach中的代码，我强烈建议使用unit_test/test_coach.py进行验证。如果运行完该文件并没有报错，则说明编写的coach程序没有问题。同理，如果你需要修改我的多进程，在修改完后也请运行测试用例。

---

草稿

启动强化学习(调整lock_value)

技术栈

开发语言：未知

项目类型：AI掼蛋系统（深度学习+强化学习）

Star 数：0

功能特点

这是一套AI掼蛋系统（深度学习+强化学习），代码结构清晰，适合开发者学习棋牌游戏的服务端与客户端开发。项目涵盖了棋牌游戏的核心玩法逻辑、网络通信、用户管理、房间匹配等模块，对理解棋牌类游戏的完整开发流程具有较高的参考价值。

从技术实现角度看，棋牌类项目的难点在于：游戏逻辑的状态机设计、并发房间管理、牌型算法、以及服务端与客户端的协议同步。本项目在这些方面提供了可运行的实现，开发者可以在此基础上进行二次开发或学习研究。

部署说明

1. 下载源码压缩包，解压到本地开发环境。

2. 根据项目类型准备对应的运行环境（Node.js / Go / C++ / Java 等）。

3. 按照 README 中的步骤配置依赖、数据库和配置文件。

4. 先启动服务端，再启动客户端，即可进入游戏进行测试。

注意：本项目仅供学习研究使用，请勿用于商业或非法用途。

学习价值

对于想进入棋牌游戏开发领域的开发者来说，这套源码是一个很好的入门参考。通过阅读代码，可以学习到棋牌游戏的核心玩法实现、网络协议设计、房间与匹配机制、以及游戏状态管理等关键技术点。

同时，项目中的代码组织方式和模块划分，也展示了棋牌类项目在工程化方面的实践经验，值得开发者深入研究和借鉴。理解一个完整棋牌项目的架构，对后续开发其他实时对战类游戏也很有帮助。

免责声明

本资源来源于开源社区，仅供学习研究和技术交流使用，请勿用于任何商业或违法违规用途。使用本项目产生的一切后果由使用者自行承担。若涉及第三方权益，请联系删除。