结合A2C和手牌估值方法的麻将博弈研究

摘要

针对大众麻将中对手牌信息利用不充分的问题，提出了手牌估值方法，并设计了基础麻将程序(MJE)。为进一步提升麻将AI的博弈能力，使用深度强化学习方法设计了麻将AI(MJE-RL)。首先，通过MJE自对弈生成深度学习的训练数据。其次，根据训练集、测试集和对比实验的结果，选择效果最好的模型作为强化学习的预训练模型。最后，使用优势演说-评论家模型作为强化学习的主要框架，将训练好的深度学习模型作为演说家部分进行决策，通过MJE-RL与MJE的对弈不断提升麻将AI的博弈能力。实验结果显示，MJE-RL的胜率比MJE高4.08%,点炮率比MJE低3.02%,表明MJE-RL在攻守两端都有提升，达到了提升麻将AI牌力的目的。

关键词

麻将 / 非完备信息 / 深度强化学习 / A2C