请问作者设计的斗地主状态和动作数量分别是多少呢，每一个状态对应的动作奖励是多少呢？

[peterwangx]

请问作者设计的斗地主状态和动作数量分别是多少呢，每一个状态对应的动作奖励是多少呢？

[qq456cvb]

斗地主的状态量时通过组合数学中 N choose K with duplicates问题(54张牌，取17张，不同花色认为是同一张牌；下一个人37再取17张，同理）求解的，网上应该有现成的求解算法和求解器，动作数量大约有13000+，在utils里有计算。动作奖励是sparse的，只有最后赢了会有+1 reward，否则-1 reward.

[loserZhang]

这个算法最后的效果怎么样呢，和真人高手水平比哪个强

[qq456cvb]

由于我们没有大量的分布式资源去训练和利用类似DeepMind starcraft那种arena pool的训练方式，真人高手还是强一些，但可以和普通玩家打得有来有回。