Blackjack-v0の使い方(OpenAI gym)

■説明
カード(トランプ)ゲームのブラックジャックを行います。強化学習の例題としてよく用いられます。

ブラックジャックとは自分(プレイヤー)とディーラーの1vs1で行うゲームであり、お互いに配られたカードのポイントの合計が21に近い方が勝ちとなります。 トランプの数とポイントの関係は、2から10まではトランプの数=ポイントですが、絵札(ジャック、クイーン、キング)はポイント10、エースは1か11ポイントを選択できます。

＜ゲーム手順＞
・ 自分(プレイヤー)とディーラーに2枚ずつカードを配る。
・ 自分の手札は2枚ともオモテ(数が見える方)にし、ディーラーの手札は1枚だけオモテにする。

＜自分の番＞
・ 手札の合計値を鑑み、追加でカードを1枚引くか否かを選択。カードを引いても21に届かない場合、再びカードを引く事が可能。
・ カードの合計値が21を超えた場合、"バースト"といって自分の負け。(ディーラーの番なし)
・ 合計値が21に届かなくても、これ以上カードを引くとバーストすると判断したら、"ステイ"といってカードを引くのを止める。

＜ディーラーの番＞
・ ウラにしていたカードをオモテにし、合計値が17以下の場合は18以上になるまで1枚ずつカードを引く。
・ 合計値が21を超えるとバーストとなり、自分の勝ち。
・ 合計値が18以上21以下になったら、自分のカードの合計値と比較し、21に近い方が勝ち。
・ 両者の合計値が等しい場合は引き分け。

■具体例
以下は単純な例です。下記ではカードを引くか否かはランダムですが、その判断を強化学習に行わせることで、勝率を上げる事ができます。 強化学習を用いた実装例はこちら。

サブチャンネルあります。⇒ 何かのお役に立てればと

関連記事一覧 トップメニュー Python Pythonとは 基本的な使い方 ・IDLE ・Jupyter Notebook ・Markdown ・コマンドプロンプトで実行 ・仮想環境の構築 ・仮想環境でIDLEを実行 ライブラリのインストール ・pipの使い方 ・numpy , matplotlib等 ・graphviz ・pytorch ・Mecab Pythonの関数：一覧 共通関数 ・append , extend ・class ・copy ・csv.reader ・csv.writer ・def , return ・dict , defaultdict ・enumerate ・exit ・for ・if ・import ・in ・input ・lambda ・len ・list ・min/max ・OrderedDict ・open/close ・os ・pickle ・print ・range ・re.split ・read/readline ・round/floor/ceil ・split ・sys.argv ・time ・while ・write ・zip ・特殊メソッド 　・__name__ 　・__iter__ , __next__ ・正規表現、メタ文字 ・データの型の種類 ・四則演算 (+ , - , * , /) ・コメントアウト (# , ''') numpy ・append ・arange ・argmax/argmin ・array ・asfarray ・astype , dtype ・digitize ・dot ・hstack/vstack ・linalg.solve ・linspace ・mean ・meshgrid ・mgrid ・ndim ・ndmin ・pad ・poly1d ・polyfit ・prod ・random ・reshape ・savetxt/loadtxt ・shape ・std ・transpose ・where ・zeros/zeros_like scipy ・expit ・imread ・interpolate matplotlib ・imshow ・figure ・pcolormesh ・plot ・scatter scikit-learn ・GaussianNB ・KMeans ・KNeighborsClassifier ・SVC ・tree keras chainer chainerrl pytorch ・BCELoss , MSELoss ・Embedding ・device ・Sequential ・Dataset, Dataloader ・RNN, LSTM OpenAI gym ・Blackjack-v0 ・CartPole-v0 tkinter ・frame, grid ・画像表示 ・画像を切り取り表示 ・画像を保存 目的別 ・ステップ関数 ・1 of K 符号化法 ・線形補間 ・配列に番号をつける