Xiangqi
How to use
from xiangqi import Env
env = Env(opening) # 不传开局状态表示从头下起
ob = env.reset() # 初始观察
while True:
env.render() # 显示棋局
player = # which agent are responsible for ob['cur_player']?
action = player.make_decision(**ob) # agent 的决策
ob, reward, done, info = env.step(action)
if done:
env.render()
breakDesign decisions
observation
以当前玩家的视角观察，包括坐标系、行、列，以及当前的合法走法，上一步被对手吃掉的子(用于reward shaping)
action
-
方案1以当前玩家的视角行动，action space:
MultiDiscrete(9, 10, 9, 10)前面2维表示源位置
(col, row)，后面2维表示目标位置空间大小8100
-
方案2 任一位置的行，列，四方2x2范围的位置，空间大小2550
-
方案3
对每一类子，从右到左，从上到下编号，然后针对棋子类别编码最大可能的走法
车炮：17，马：8，象：4，士：4，兵：3，将：4
空间大小119
注意：
- 策略应该包含对对手求和请求的处理，回答是否同意和
Details
默认执红者先下
观察到的信息包括：
-
board_state：棋盘状态，FEN串，它包含了局面的所有信息 -
sue_draw: 是否对手在求和，如果是，需要对求和做出反应，即是否同意和局
操作环境的输入(即env.step(action)中的action)为一个字符串：
"RESIGN": 认输，认输会引起本局结束
"SUE_DRAW": 求和，主动求和只要发这个字符串，对手需要回复"yes"或"no"表示同意与否
UCCI走法串: 如"b7b0"，即源位置和目标位置的编码操作环境的输出(即env.step(action)的返回值)分为四个部分：
-
ob(dict) 观察，切换当前玩家后(即下一个玩家)的观察，具体描述参看上面，done为True时为None -
reward(int) 回报，当前玩家(即做本次action的玩家)的回报，done为False时为None -
done(bool)，这一局是否结束 -
info(str)，一些附加信息
显示棋局env.render()：
字符界面下显示的棋局。棋盘不以玩家视角变化的，而是固定红色在下，黑色在上。
棋子在颜色上做了区分，在字形上也做了区分，红色的感觉更带人性一些，黑方有点像原始文明
另外"将军"，吃子等信息也会显示
常量
N_ROWS = 10 # term: rank
N_COLS = 9 # term: file
REWARD_WIN = 1
REWARD_LOSE = -1
REWARD_DRAW = 0
REWARD_ILLEGAL = -5 # illegal action
class Action(IntEnum):
ADVANCE = 1 # 进
RETREAT = 2 # 退
TRAVERSE = 3 # 平
SUE_DRAW = 4 # 求和
RESIGN = 5 # 认输
class Camp(IntEnum):
BLACK = 1
RED = 2
class Force(IntEnum):
SHUAI = 1
SHI = 2
XIANG = 3
MA = 4
JU = 5
PAO = 6
BING = 7帮助函数
def decode(board_state) # 解码棋盘状态，整数->(Camp, Force)列表(从左到右，从上到下)
def chinese_to_ucci(action, camp, board) # 中文纵线格式 -> ucci格式，如炮二平五->h7e7
def ucci_to_chinese(action) # 上面函数的逆
