Amfiteatr

用于建模博弈论问题并将强化学习应用于优化解决方案的框架。它旨在帮助建模涉及众多玩家的复杂问题。这是一个相当底层的建模框架，在许多情况下，Python 的等效框架可能更方便，但如果你希望使用 Rust 编译器来帮助你开发可信赖的代码，那么这个框架可能很有帮助。

成员 Crates

1. amfiteatr_core (github) - 不包含强化学习的核心特性和泛型实现的 crate。
2. amfiteatr_rl (github) - 扩展核心功能的 crate，提供强化学习（使用由 Torch 支持的神经网络）的接口和简单实现。
3. amfiteatr_net_ext (github) - 目前提供使用 TCP 套接字在游戏模型实体之间提供通信的早期概念验证。
4. amfiteatr_classic (github) - 提供 classic 博弈论游戏（如囚徒困境）模拟结构的 crate。
5. amfiteatr_examples - 包含一些库使用示例的仓库。希望将来能进一步扩展。

其他项目

目前，我正在使用这个库开发一些项目，可以展示当前的可能性。

1. brydz_model - 合约桥牌卡游戏的模拟和强化学习模型。可以作为实现4人游戏的示例。
2. brydz_dd - 合约桥牌双盲解算器（游戏最佳解决方案的牌面朝上分析）的早期项目。警告它使用alpha-beta算法变体，在当前优化水平下，不能用于解决完整的52张牌问题。

开发阶段

这是我教育和研究项目。许多元素在未来将发生变化或消失，并且可能经常发生重大更改。我将及时添加功能和文档，并尝试简化目前似乎不便的接口。

TL;DR 它处于早期和不稳定阶段。

许可证：MIT

lib.rs:

此包提供处理经典博弈论问题的基础设施，例如

1. 囚犯困境（或任何以2x2网格表示的游戏）
2. 复制动态问题，基于以2x2网格表示的游戏。