Skip to content

Latest commit

 

History

History
60 lines (40 loc) · 2.13 KB

README.md

File metadata and controls

60 lines (40 loc) · 2.13 KB

README

Dies ist der Anhang zur Bachelorarbeit.

Bachelorarbeit: "Abschlussarbeit.pdf" hier herunterladen und in PDF-Viewer oder Browser öffnen

Titel: Maschinelles Lernen in Kartenspielen mit imperfekten Informationen

Bachelorarbeit-Nummer: BA AI 25/2023

Autor: Lennart Keidel

Installation

Der Quellcode setzt die Installation von OpenSpiel voraus.

Genaue Installationsanweisungen sind in Abschnitt 4.2 der Bachelorarbeit zu finden.

Die Datei requirements.txt enthält alle benötigten Python-Packages, die nicht bereits durch OpenSpiel installiert werden.

Ordner Struktur

logs/ - Ordner für automatisch erstellte Logs während des Trainings

src/ - die Python-Skripte

src/training/ - die Python-Skripte zum trainieren der Modelle

trained_models - die trainierten Modelle, die in der Arbeit vorgestellt wurden

train_all_models.sh - Bash-Skript, führt alle Python Skripte zum trainieren der Modelle aus

OpenSpiel

Der Quellcode basiert teilweise auf dem Quellcode von OpenSpiel.

Die OpenSpiel Lizenz ist in license_OpenSpiel.md enthalten.

Hier die Bibtex-Referenz zum OpenSpiel-Paper:

@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},
}