class mindspore_rl.environment.TicTacToeEnvironment(params, env_id=0)

井字棋是一款有名的纸笔游戏<https://en.wikipedia.org/wiki/Tic-tac-toe>。这个游戏的规则是两个玩家在一个3X3的格子上交互的画O和X。当三个相同的标记在水平，垂直或者对角线连成一条线时，对应的玩家将获得胜利。下图就是一个井字棋游戏的例子。

o		x
x	o
	x	o

参数：

• params (dict) - 字典包含TicTacToeEnvironment类中所需要的所有参数。

• env_id (int) - 环境id，用于设置环境内种子。默认：0。

支持平台：

Ascend GPU CPU

样例：

>>> from mindspore_rl.environment import TicTacToeEnvironment
>>> env_params = {}
>>> environment = TicTacToeEnvironment(env_params, 0)
>>> print(environment)
TicTacToeEnvironment<>

property action_space

获取环境的动作空间。

返回：

Space，环境的动作空间。

calculate_rewards()

返回当前状态的收益。

返回：

Tensor，表示当前状态收益。

property config

获取环境的配置信息。

返回：

dict，一个包含环境信息的字典。

current_player()

返回当前状态下，轮到哪个玩家。

返回：

Tensor，表示当前玩家。

property done_space

获取环境的终止空间。

返回：

Space，环境的终止空间。

is_terminal()

返回当前状态下，游戏是否已经终止。

返回：

当前状态下，游戏是否已经终止。

legal_action()

返回当前状态的合法动作

返回：

Tensor，表示合法动作。

load(state)

加载输入的状态。环境会根据输入的状态，更新当前的状态，合法动作和是否结束。

参数：

• state (Tensor) - 输入的环境状态。

返回：

• state (Tensor) - 存档点的状态。

• reward (Tensor) - 存档点的收益。

• done (Tensor) - 是否在输入存档点时，游戏已经结束。

max_utility()

返回井字棋游戏的最大收益。

返回：

Tensor，表示最大收益。

property observation_space

获取环境的状态空间。

返回：

Space，环境的状态空间。

reset()

将环境重置为初始状态。reset方法一般在每一局游戏开始时使用，并返回环境的初始状态值。

返回：

Tensor，表示环境初始状态。

property reward_space

获取环境的状态空间。

返回：

Space，环境的奖励空间。

save()

返回一个环境的副本。在井字棋游戏中不需要返回环境的副本，因此他会返回当前状态。

返回：

一个代表当前状态的Tensor。

step(action)

执行环境Step函数来和环境交互一回合。

参数：

• action (Tensor) - 包含动作信息的Tensor。

返回：

• state (Tensor) - 输入动作后的环境返回的新状态。

• reward (Tensor) - 输入动作后环境返回的奖励。

• done (Tensor) - 输入动作后环境是否终止。

total_num_player()

返回总玩家数量。

返回：

Tensor，表示总玩家数量。