pyfiction 0.1.2

简介

基于文本的游戏，通常被称为互动小说（if），有多种格式，使用不同的解释器，这些解释器通常不兼容。

pyfiction的目标是包装不同if模拟器的功能，并为文本游戏提供一个通用的api，用于研究目的。

pyfiction还包括示例代理，可以学习玩提供的文本游戏。

要求

• Python3.6（旧版本可能可以工作，但它们没有经过测试，Python3.5经过了短暂的测试）
• text-games拯救约翰和死亡机器游戏的子模块
• keras，tensorflow及其用于启动示例代理的依赖项
• selenium和chromedriver用于运行基于html的游戏
• 用于保存和加载型号的h5py
• 用于可视化模型图的圆点

安装

要安装最新发布的版本，只需运行：

pip install pyfiction

若要从此存储库安装出血边缘版本，请运行：

git clone --recursive https://github.com/MikulasZelinka/pyfiction
cd pyfiction
pip install -e .

接口

pyfiction为文本游戏环境提供了一个简单的代理环境接口。

简单的rl接口[4]。在pyfiction中，代理调用游戏环境的相应函数：

• state, actions, rewards = game.read()（左分支），
• game.write(action)（右分支）。

示例

要运行任何示例（从下面的游戏列表或此列表），只需运行：

python file.py

关于这些文件：

• Interactively play any of the supported games，
• An SSAQN (siamese state-action q-network) agent [3] learning to play multiple games at once，
• Interactive testing以上受支持游戏训练的代理的状态操作q值，

或者在下面支持的游戏中。

当前支持的游戏

以下链接指向SSAQN代理在支持的游戏上的训练实验：

• Saving John
• Machine of Death
• Cat Simulator 2016[基于HTML]
• Star Court[基于html]
• The Red Hair[基于html]
• Transit[基于html]

另外，计划是将单个游戏集成到OpenAI Gym，请参见 详细信息请参见pull request和text_games branch。

参考文献

[1]Language Understanding for Text-based Games Using Deep Reinforcement Learning

[2]Deep Reinforcement Learning with a Natural Language Action Space

[3]Using reinforcement learning to learn how to play text-based games（硕士论文，2017年9月提供）

[4]Reinforcement Learning: An Introduction

状态

0.1.2版，alpha