主要实现了一定设定下的德克萨斯扑克的游戏环境，并使用强化学习进行策略学习与优化。
人员设定：游戏为6人，其中有3人为特殊身份，顺时针连续3人分别为庄家D、小盲SB、大盲BB，其中庄家D由随机生成。因此，顺时针6人分别记作D、S、R、A、B、C。
牌局设定：每轮牌局独立进行，即每次发牌为一局，玩家的金额在牌局之间各自独立。玩家的目标的是使在牌局后自己的金额最大化。
金额设定：设定各局之间以0.5倍的大盲注为统一单位，定义0.5倍的大盲注为“分数”，每位玩家每轮牌局初始有100个分数值。即固定大盲注为2分，小盲注为1分。
盲注轮&第一轮：每位玩家发2张牌。小盲注下1分、大盲注下2分后，从大盲注的下家（即A）开始下注。每个玩家有call、raise、fold三种选择。其中call指下与上家的注相同的注；raise为加注，下限是call，上限是剩余的全部分数；fold是弃牌，退出游戏，本局收益为剩余分数。结束第一轮的条件是每个人都下注了同样的分数。
第二轮：翻开3张公共牌，从SB开始下注，最小为2分。每个玩家同样是上述三种选择。但特殊的是，SB第一次可以选择check，即不下注也不弃牌。结束第二轮的条件是每个人都下注了同样的分数。
第三轮：再翻开1张公共牌，规则与第二轮相同。
第四轮：再翻开1张公共牌，规则与第二轮相同。
结算：根据牌型规则，场上剩余玩家中牌型最大的获得下注的所有分数。
需要注意的是，如果剩余分注不足，则只能fold。
单局游戏最大化自身得分，多局游戏最大化平均自身得分。
每局玩家分数产生分为三种情况。
1.提前fold
分数为fold时的剩余分数。
2.进入结算阶段但牌型不是最大
分数为结算时的剩余分数。
3.进入结算阶段且牌型是（并列）最大的
平分或者获得注池中的分数。
以下牌型大小依次递减
1.同花大顺 2.同花顺 3.4+1 4.3+2 5.同花
6.顺子 7.3+1+1 8.2+2+1 9.2+1+1+1+1 10.剩余牌型
用于定义每一局的牌局环境。
agentList[6]：智能体数组，类型为Agent对象。保存玩家智能体的对象。
debug：Debug开关，类型为布尔。True为输出牌局信息。
publicList[5]：公共牌数组，类型为Card对象。按照顺序保存五张公共牌。
cardPool：卡牌池，类型为CardPool对象。用于发牌。
scorePool：分数值，类型为整型值。用于记录当前分数池的值。
DPosition：庄家位置，类型为整型值。
roundScoreList：用于保存当前轮的各玩家下注数值。
foldNum：用于保存当前轮已经fold的玩家数。
agentCompetList[6]：智能体的牌面大小。类型为二元tuple。
foldWinner：当所有玩家全部fold时，最后fold的获胜玩家。类型整型值。
初始化函数，传入6个智能体。
进行一局游戏。返回值为列表score[6]，代表本局游戏各个玩家的得分。
依次调用函数reset、prepare、round1-5()、win()。
返回值为本局的分数列表。
重置牌局变量和智能体的牌局变量。返回值为空。
确定各个玩家身份。返回值为空。
盲注轮和第一轮。包括如下动作：玩家发牌、下大小盲注、下第一轮注。返回值为空。
第二轮。翻开三张公共牌。返回值为空。
第三轮。翻开一张公共牌。返回值为空。
第四轮。翻开一张公共牌。返回值为空。
结算阶段。确定各位玩家的分数。返回值为整型的分数列表。
输出牌局环境。
输出各智能体当前情况。
用于定义玩家智能体。
name：智能体名称。类型为字符串。
identity：智能体的牌局身份。类型为单字符。
hand[2]：智能体的牌局手牌数组。类型为Card对象。
score：智能体的牌局剩余分数。类型为整型值。
final：智能体的牌局终止标志。0为未fold，1为已经fold。
重置牌局情况。
设置本局身份。
设置本局手牌。
下注，减去对应分数，同时返回值为该分数。
智能体决策。输入为之前的下注金额和最小下注金额，返回实际下注金额。是算法实现需要重写的接口。
当玩家为S角色时，使用check代替fold。其他与action函数相同。
卡牌池，包括除去大小王的52张牌。
bin[52]：为卡牌池中剩余卡片的编码，类型为整型。
从剩余卡牌池中抽取一张牌。改变bin数组并返回一个Card类的对象。
重置bin数组。返回值为空。
输出信息。
定义单张牌。
suit：花色标识，类型为1-4的整型值。分别代表黑桃、红桃、梅花、方块。
point：数值标识，类型为1-13的整型值。代表牌点。
输出信息。
返回小盲的标号。
返回大盲的标号。
返回大盲下家的标号。
牌面由二元组(index,subindex)组成，其中index是指牌型，subindex是指相同牌型之间的大小。index越小，subindex越大，牌面越大。
返回当前牌面的二元组。
返回(index,subindex,True/False)，True为符合条件。
将数组的subindex使用康托展开转换为整型数。
为均匀采样。
固定概率。
固定。具体数额为(上限-下限)的百分比，该百分比服从均匀分布。
固定。有check时不进行fold。
Python 3.7
numpy
项目为本作者独立开发，版权所有。
联系方式：wfzhangzeyu@163.com