# 仿兵棋引擎-无限扩展架构-py **Repository Path**: naturalcaduceus/ChessEngine ## Basic Information - **Project Name**: 仿兵棋引擎-无限扩展架构-py - **Description**: 简易兵棋引擎 - **Primary Language**: Python - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-12-08 - **Last Updated**: 2026-11-13 ## Categories & Tags **Categories**: Uncategorized **Tags**: Python ## README # 万能虚拟框架----万物沙盘 棋盘、棋子……以及相应的规则,这就是一个游戏。 棋手,就是智能体,通过规则来操作棋子,从而影响棋盘。 棋盘、棋子等,用户都可以自定义,这点是比其他游戏引擎强大的地方。 棋手这里提供了一些的现成框架。 ## 目标 这是一个引擎,附带一个简易的可玩界面 引擎内容全部公开,可自定义单位的属性和行为,可自定义地图,可自定义规则,可自定义智能体。 简化环境的设计与实现 兵考虑到原始兵棋环境具有状态空间大、奖励稀疏、决策链条长等特点,直接用于强化学习训练存在收敛困难的问题。为提高算法验证效率,本文构建了一个简化版对抗环境,用于强化学习阶段的策略训练与验证。 该环境保留了兵棋对抗的核心要素,包括多算子协同、局部可观测性以及夺控机制,同时对规则进行适度简化: 地图规模为 13×23 网格; 双方各控制3个算子,每个算子具有固定生命值; 每回合(因为模拟20帧算作一回合)可执行一次移动或攻击操作; 攻击具有一定范围与冷却时间; 存在战争迷雾机制,视野范围有限且队友共享; 地图中设置夺控点,持续占领可获得积分; 在固定回合数结束后,根据综合得分判定胜负。 通过该简化环境,强化学习模型可以在较低计算成本下快速学习基础策略,并验证“对手预测信息”对策略优化的影响。 该设计类似于课程学习(Curriculum Learning)思想,即先在简化环境中学习基础策略,再逐步迁移至复杂环境,从而提升整体训练效率与稳定性。 ## 项目结构 ``` core/ │── entity/ │ ├── hex_grid.py # 六边形坐标、通视、邻居 │ ├── unit.py # 单位定义 │ ├── game_core.py # 兵棋逻辑:移动、攻击、胜负 -地形编辑器(算规则的一种) │── env/ │ ├── hex_wargame_env.py # Gym 环境封装 -物体编辑器 │── entity/ │ ├── hex_grid.py # 六边形坐标、通视、邻居 -触发编辑器 │── rule/ │ ├── hex_grid.py # 六边形坐标、通视、邻居 ``` easyengine是另一个简化开发分支 类·兵棋系统,吸收兵棋的复杂性与RTS的实时性,同时极致简化内核又保留最重要的对抗要素。 ## 设计思路层 核心——定义,规则,推演-cq20230927 -cq20260607 1. 把RTS的一切归结为「实体」和「规则」两个原语,本质上是在做一种"游戏化的逻辑编程语言"。 实体是哑巴数据,规则是唯一会动的东西 2. 除了无法改变的逻辑外,其余的全部都是数据,既可以传输也可以保存,甚至可以动态修改。 逻辑模块是解释器,数据则是另一种形式的可配置代码。 需要定义的类型: 【ER模型是 实体、属性、联系,这里是方便修改编辑的变种】 实体(兵力、物体):包含的属性、行为,以及子实体。 规则:真正判定的计算,其他的都是影响因素需要汇聚在这里。 联系(技能):一个实体发出的对各个实体的属性修改、武器(攻击方式类别的特例)。 -行为(触发): 一个技能与规则的对照表, -环境(地形等) :归类于空间规则,有地图、想定、。 超级干预(裁决):因果律级别的武器,类似于胜负判定,或者强制干预修改。 -cq20261113 为了贯通带有地图模拟与兵棋环境的逻辑,新的设计。 以(x,y)为坐标,如果是六边形棋盘格则进行范围内判断来做归属。 接口就是给智能体的行为空间。 分文件夹这么做: env/ 环境 entity/ 实体 rule/ 规则 ai/ 智能体 logs/ 日志 tools/ 工具 skill/ 技能 buff/ 单位状态 ## 逻辑N大模块 1. map 想定模块:棋盘:初始状态,包括环境信息、位置。 2. entity 实体模块:棋子:单位能力,规则的边界。 3. rule 运行时模块:1-推演:事件触发(时间也是一种事件),根据规则和实体状态进行游戏推演,包括实体移动、攻击、死亡等。 2-规则:定义游戏中的各种规则,如移动规则、攻击规则、胜利条件等。 4. ai 战法模块:棋手:每个实体如何行动。 以上(1~4)就可以“电子斗蛐蛐”了 5. logs 数据模块:承接引擎推算出的数据,包括 指标、实验设计、评估;还有跑“大批量”那种。 6. env 用户界面模块:提供游戏界面,让玩家可以与游戏进行交互。 ## 其他要求 主循环具有setup、reset、step这三个强化学习环境必要的接口。 可以有对环境计算、装备功率、水声性能等的建模的预留实现位置。 ## 实现思路 1. 核心完全分离独立,输入输出用json实现,这样就可以任意接外部命令(来自玩家或智能体) 输入:操作指令 输出:状态信息、界面处理所需要的信息等 2. 简单的显示界面,可以实现对实体的选择和操控,可以显示棋盘、棋子、规则等信息。 3. 复盘与评估