人工智能强化学习深度学习【免费下载链接】open_spielOpenSpiel is a collection of environments and algorithms for research in general reinforcement learning and search/planning in games.项目地址https://gitcode.com/gh_mirrors/op/open_spiel点击查看免费下载deserialize_state是 OpenSpiel 中与state.serialize()配对使用的核心方法用于从序列化字符串重建游戏状态对象是跨进程传递、持久化、断点续跑与对弈回放等场景的基础能力。本文以 game_deserialize_state.md 为主线结合 spiel.cc 中的底层实现与仓库内测试用例讲解其序列化格式、反序列化流程、使用限制以及与serialize_game_and_state的选型差异。方法签名与基本用途deserialize_state是pyspiel.Game实例上的方法在 Python 绑定中对应 C 的Game::DeserializeState见 pyspiel.cc 中的.def(deserialize_state, Game::DeserializeState)deserialize_state(serialized_data: str)它的职责是从状态对象序列化得到的字符串即state.serialize()的输出重建出一个全新的状态对象。反序列化所使用的游戏对象必须是创建原始状态的同一个游戏或参数完全相同的同一类游戏因为序列化字符串本身只记录了动作历史而不包含任何游戏配置信息。典型的配对使用方式是import pyspiel game pyspiel.load_game(tic_tac_toe) state game.new_initial_state() state.apply_action(4) state.apply_action(2) state.apply_action(1) state.apply_action(5) state_copy game.deserialize_state(state.serialize()) print(state_copy) # Output: # .xo # .xo # ...如果需要把游戏对象和状态一起序列化例如跨进程传递时对方可能没有可用的game对象应改用pyspiel.serialize_game_and_state/pyspiel.deserialize_game_and_state顶层函数详见 game_deserialize_game_and_state.md。序列化字符串的结构deserialize_state的输入格式要理解deserialize_state首先要弄清它接受的数据格式。state.serialize()的默认实现位于 spiel.ccstd::string State::Serialize() const { // ... std::string starting_state_str; if (!starting_state_str_.empty()) { starting_state_str absl::StrCat( kSerializeStartingState, starting_state_str_, \n); } return absl::StrCat(starting_state_str, absl::StrJoin(History(), \n), \n); }也就是说默认序列化格式非常简单如果状态带有起始状态starting state第一行是starting_state前缀加上起始状态字符串例如棋盘自定义初始布局的序列化表示其余每一行是从初始状态到当前状态所执行的一个动作Action的十进制数值按History()中的顺序逐行排列行间以换行符\n分隔。仓库中 playthroughs 目录下的对局回放文件直观展示了这种格式例如tarok(players3,rng_seed0).txt中随对局推进SerializeState()从空字符串逐步增长为-1937831252、-1937831252\n10、-1937831252\n10\n12——每一个\n后追加的整数就是一步动作。由此可以直观理解序列化 动作历史逐行记录这一本质。需要注意这个默认格式是基类State::Serialize()的行为。很多具体游戏尤其桥牌、谈判、扑克等状态内部结构复杂的游戏会重写Serialize()/DeserializeState输出自定义的紧凑格式。例如 bluechip_bridge_uncontested_bidding_test.py 中直接调用state game.deserialize_state(A86.J543.K642.A3 J.KQ962.T953.J96)这里传入的是一手牌的紧凑文本表示。因此serialize()与deserialize_state的格式是游戏相关的只要在同一个游戏上配对使用两者就总是自洽的。反序列化流程从源码看状态重建的每一步deserialize_state在 C 层的完整实现位于 spiel.cc其重建过程可以分为三个阶段重建初始状态首先检查字符串第一行是否以kSerializeStartingState常量值为starting_state定义见 spiel.h开头若是则截取前缀之后的字符串调用NewInitialState(starting_state_str)恢复带起始状态的局面否则调用无参的NewInitialState()得到标准初始状态。逐行动作回放从第二行或第一行开始遍历剩余每一行空行直接跳过若当前状态是同时行动节点IsSimultaneousNode()则连续读取NumPlayers()行把每个玩家的动作收集为一个std::vectorAction调用state-ApplyActions(actions)一次性应用否则把该行字符串解析为单个Action调用state-ApplyAction(action)。返回重建结果动作全部回放完毕后返回std::unique_ptrState。可以看到DeserializeState的语义本质上是先构造初始状态再把历史动作逐个重放因此它与状态克隆state.clone()在结果上是等价的但可以跨越进程边界传递纯文本。同时由于ApplyAction内部会推进move_number_并记录history_见 spiel.cc重建出的状态不仅棋盘内容一致history()、move_number()等元信息也会被完整还原。使用约束与限制从源码注释与实现可以确认以下三点硬性限制State::Serialize()与Game::DeserializeState中均有对应检查游戏必须一致deserialize_state只回放动作不携带游戏配置。用load_game(tic_tac_toe)序列化的状态必须仍由tic_tac_toe游戏或参数完全一致的游戏来反序列化否则动作编号与局面语义会对不上。不支持采样机会节点sampled chance nodes源码在Serialize()与DeserializeState()入口处都有SPIEL_CHECK_NE(game_type_.chance_mode, GameType::ChanceMode::kSampledStochastic)检查。原因正如 spiel.cc 注释所解释的这类游戏的序列化只记录历史动作不足以重建采样出的具体机会结果。不支持均值场博弈mean field games基类状态不保存UpdateDistribution()传入的状态分布历史且保存多状态长时域分布代价极高因此同样有SPIEL_CHECK_NE(..., Dynamics::kMeanField)检查。如果确需在这两类游戏中序列化状态源码注释给出的建议是为具体游戏实现自定义的序列化/反序列化逻辑即重写Serialize()与对应的反序列化入口这也解释了为什么桥牌等游戏会提供自定义的紧凑格式。此外deserialize_state会逐行用std::stol解析动作编号并附带SPIEL_CHECK_LT等边界检查见 spiel.cc。不要向它传入手写或篡改过的字符串——非法的动作编号或与当前节点不匹配的动作会触发断言失败这正是其输入必须来自同游戏serialize()输出的又一体现。与serialize_game_and_state的选型对比原文档特别指出要连同游戏一起序列化请使用pyspiel.serialize_game_and_state。二者的适用场景对比如下场景推荐 API理由同一游戏对象/同一进程中状态重建game.deserialize_state(state.serialize())格式最简、开销最小不需要携带游戏配置跨进程/跨机器传递对方需要重建游戏pyspiel.deserialize_game_and_state(pyspiel.serialize_game_and_state(game, state))输出同时包含[Meta]、[Game]、[State]三段游戏可被独立重建使用pickle持久化Python 内置pickle官方文档说明 pickle 底层复用了相同的序列化方法serialize_game_and_state的 C 实现位于 spiel.cc其输出格式为# Automatically generated by OpenSpiel SerializeGameAndState [Meta] Version: 1 [Game] tic_tac_toe() [State] 4 2 1 5对应的DeserializeGameAndStatespiel.cc会按段头[Meta]/[Game]/[State]常量定义见 spiel.h切分内容先调用DeserializeGame重建游戏再调用该游戏的DeserializeState重建状态。可以理解为deserialize_game_and_state是deserialize_state的增强版——多出来的工作只是额外反序列化一个游戏对象。测试验证与仓库中的真实应用仓库通过自动化测试与对局回放文件双重保障了deserialize_state的正确性games_tic_tac_toe_test.py 中有两个针对性测试test_state_serializationgame.deserialize_state(self.ref_state.serialize())后断言字符串表示与原状态完全一致test_starting_state_serialization对带起始状态的状态序列化后再反序列化断言starting_state()被完整保留且history()为空——这正是上文starting_state前缀行机制的测试印证。generate_playthrough.py 在生成对局回放文件时调用state.serialize()记录每个节点的SerializeState()而这些回放文件如 playthroughs 下的各*.txt在集成测试中会被逐节点校验确保序列化 → 反序列化 → 状态一致这一闭环对全部注册游戏成立。在实战中这套机制最典型的用法包括实验断点保存与恢复把serialize()字符串写入文件下次运行用deserialize_state接续、分布式自我对弈中在 Worker 间传递局面、以及把状态作为纯文本日志记录用于事后分析。小结deserialize_state是 OpenSpiel 状态持久化链路中最基础的一环它把state.serialize()输出的动作历史文本重放为一个功能完整的状态对象。掌握它的关键在于三点——输入格式是逐行动作可能带starting_state首行、游戏必须与序列化时一致、采样机会节点与均值场博弈需要自定义序列化。如需携带游戏信息请改用pyspiel.serialize_game_and_state/deserialize_game_and_state。更多关联参考state_serialize.mdserialize()方法、game_deserialize_game_and_state.md游戏与状态联合序列化、api_reference.md完整 API 索引。赞分享人工智能强化学习深度学习【免费下载链接】open_spielOpenSpiel is a collection of environments and algorithms for research in general reinforcement learning and search/planning in games.项目地址https://gitcode.com/gh_mirrors/op/open_spiel点击查看免费下载相关推荐OpenSpiel 状态序列化实战deserialize_game_and_state 从字符串还原游戏与状态OpenSpiel 状态序列化实战deserialize_game_and_state 从字符串还原游戏与状态 导读 本文讲解 OpenSpiel 核心 AP人工智能强化学习深度学习React Stately状态序列化JSON序列化与反序列化React Stately状态序列化JSON序列化与反序列化 在现代前端开发中状态管理是构建复杂应用的核心挑战之一。React Stately作为Adobe前端UI组件设计系统国际化状态管理Machinery深度复制完全指南任务参数的序列化与反序列化原理详解Machinery深度复制完全指南任务参数的序列化与反序列化原理详解 Machinery作为一个基于分布式消息传递的异步任务队列/作业队列其深度复制功能是确后端任务调度上一篇Sim AI工作流最佳实践从新手到专家的进阶之路下一篇MagicDrive-V2视频质量提升指南自适应控制与长视频一致性优化方法创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考