二十一點¶

此環境是玩具文字環境的一部分，其中包含有關環境的一般資訊。


動作空間	`Discrete(2)`
觀察空間	`Tuple(Discrete(32), Discrete(11), Discrete(2))`
匯入	`gymnasium.make("Blackjack-v1")`

二十一點是一種紙牌遊戲，目標是透過獲得的牌點數總和比莊家更接近21點（但不超過21點）來擊敗莊家。

描述¶

遊戲開始時，莊家有一張明牌和一張蓋牌，而玩家有兩張明牌。所有牌都從無限牌堆中抽取（即有放回地抽取）。

牌面價值為

人頭牌（傑克、皇后、國王）點數為10。
A可以算作11點（稱為“可用A”）或1點。
數字牌（2-10）的價值等於其牌面數字。

玩家持有牌的總點數。玩家可以請求額外牌（hit），直到他們決定停止（stick）或超過21點（爆牌，立即輸掉）。

玩家停牌後，莊家揭開他們的蓋牌，並繼續抽牌直到點數總和達到或超過17點。如果莊家爆牌，玩家獲勝。

如果玩家和莊家都沒有爆牌，則根據誰的點數總和更接近21點來決定結果（贏、輸、平局）。

此環境對應於 Sutton 和 Barto 的《強化學習：簡介》中例5.1描述的二十一點問題 [1]。

動作空間¶

動作形狀為 (1,)，範圍是 {0, 1}，表示是停牌還是要牌。

0: 停牌
1: 要牌

觀察空間¶

觀察結果由一個3元組組成，包含：玩家當前的總點數，莊家顯示的一張牌的點數（1-10，其中1是A），以及玩家是否持有一個可用A（0或1）。

觀察結果以 (int(), int(), int()) 的形式返回。

初始狀態¶

初始狀態透過以下值初始化。

觀察	值
玩家當前總點數	4, 5, ..., 21
莊家顯示牌的點數	1, 2, ..., 10
可用A	0, 1

獎勵¶

贏遊戲：+1
輸遊戲：-1
平局：0
天生二十一點贏遊戲：+1.5（如果 natural 為 True）+1（如果 natural 為 False）

回合結束¶

如果發生以下情況，回合結束

終止

玩家要牌且手牌總點數超過21點。
玩家停牌。

A牌總是被計為可用（11點），除非這樣會導致玩家爆牌。

資訊¶

不返回額外資訊。

引數¶

import gymnasium as gym
gym.make('Blackjack-v1', natural=False, sab=False)

natural=False：是否對以天生二十一點（即以A和10開始，總點數為21）開局給予額外獎勵。

sab=False：是否遵循 Sutton 和 Barto 書中概述的精確規則。如果 sab 為 True，則關鍵字引數 natural 將被忽略。如果玩家獲得天生二十一點而莊家沒有，玩家將獲勝（即獲得+1獎勵）。反向規則不適用。如果玩家和莊家都獲得天生二十一點，則為平局（即獎勵0）。

參考文獻¶

[1] R. Sutton 和 A. Barto，《強化學習：簡介》2020年。[線上]。可訪問：http://www.incompleteideas.net/book/RLbook2020.pdf

版本歷史¶

v1: 修復二十一點中的天生牌處理
v0: 初始版本釋出