本项目实现了一个基于强化学习的立直麻将智能体，使用深度策略梯度方法（如PPO算法）和GPT模型来进行决策学习。

• 代码解耦和风格优化
• 修复各个逻辑bug并更新默认超参数

• 添加实际部署的支持(如雀魂)
• 考虑在第一层估计枚举联合值函数估计?

• Python 3.11 或更高版本
• PyTorch 2.0 或更高版本
• mahjong 库(需要修复，参阅:MahjongRepository/mahjong#54)

1. 克隆仓库到本地：

   git clone https://github.com/marko1616/mahjong_DRL

2. 进入项目目录：

   cd mahjong_DRL

3. 安装依赖：
   • Torch请自行根据操作系统安装

   pip install -r requirements.txt

1. 启动训练：

   python ppo.py

   这将启动代理的训练过程，训练日志和模型权重会自动保存在指定的目录中(相关超参数调整在各个文件中)。

2. 监控训练： 使用TensorBoard查看训练进度和性能：

• agent.py: 包含Agent类，实现麻将学习代理的主要功能。
• model.py: 定义了使用的GPT模型（参考miniGPT）。
• env.py: 麻将游戏的环境实现。
• schedulers.py: 实现了用于超参数调度的类。
• ppo.py: 算法实现，负责启动训练流程。

本项目遵循Apache2.0许可证。详细信息请查看LICENSE文件。