上文已经描述了怎么创建和注册一个自定义的gym环境。但是环境类中的4个函数都是空的,本文将描述怎么实现那4个函数,实现一个完整的井字棋游戏的环境。
游戏规则:两个玩家在3x3的棋盘上,一方执X,一方执O。哪方先下的连续3个子(不管在对角,竖直还是水平方向)为胜。(类似五子棋)。赢得一方将会获得+100的奖励。
完整的环境代码访问GitHub。
其中,step函数已经指定了双方下棋的规则,也就是说这个程序不是依靠某个强化学习算法来下棋,而是靠固定规则。因为本系列文章的目的就是要说明如何自定义环境,而不是应用强化学习算法。
def step(self,target):
if self.done==1:
print('game over')
return [self.state,self.reward,self.done,self.add]
elif self.state[int(target/3)][target%3] != '-':
print('invalid step')
return [self.state,self.reward,self.done,self.add]
else:
if(self.counter%2==0):
self.state[int(target/3)][target%3]='o'
else:
self.state[int(target/3)][target%3]='x'
self.counter+=1