安装SMAC

  SMAC是基于暴雪公司星际争霸Ⅱ做的一个多智能体环境，官方GitHub链接为：https://github.com/oxwhirl/smac。

  安装之前更新一下pip(不更新的话会报一个错误)：

ERROR: Command errored out with exit status 128: git clone -q https://github.com/oxwhirl/smac.git /tmp/pip-req-build-tz6uj500 Check the logs for full command output.

  更新命令如下：

pip install --upgrade pip

  更新之后，我的pip版本升到了21.1.2版本：

  安装SAMC的话我们直接采用以下命令即可：

pip install git+https://github.com/oxwhirl/smac.git

安装StarCraft II

  因为SMAC是基于星际争霸游戏引擎的，所以我们还需要安装StarCraft II，官方指定的版本为SC2.4.6.2.69232，并且不同版本之间的算法性能测试不一样。相关包的下载可以在如下链接找到：https://github.com/Blizzard/s2client-proto#downloads，这里我采用4.6.2这个和官方一样的版本进行安装。直接进上面这个链接去选中下图所示的4.6.2即可：

  下载好了之后我们能够得到如下这样一个压缩包：

  我们需要将这个zip文件解压：

unzip SC2.4.6.2.69232.zip

  解压的过程需要密码，密码为：iagreetotheeula。

  解压后文件默认路径为~/StarCraftII/，如果放在别的路径，需要更改环境变量SC2PATH，所以解压之后我把解压的文件拷贝到了~/目录下面。

下载SMAC地图

  我们需要下载地图，也就是游戏的地图并将其放在之前解压的StarCraft II文件下面的Maps目录下面。下载链接为：https://github.com/oxwhirl/smac/releases/download/v0.1-beta1/SMAC_Maps.zip。解压之后得到两个文件夹：

  将文件夹直接放在$SC2PATH/Maps下即可。直接我们就可以进行阶段性的测试了：

1. 测试Map是否放置成功：

python -m smac.bin.map_list

2. 测试smac和它的Map是否配置成功：

python -m smac.examples.random_agents

  能够得到以下输出结果：

  到此在Linux下配置星际争霸2的环境就差不多了。

Py文件中进行测试

  如果想要Debug初步了解这个环境的话，可以采用如下代码：

from smac.env import StarCraft2Env
import numpy as np
def main():
    env = StarCraft2Env(map_name="8m")
    env_info = env.get_env_info()

    n_actions = env_info["n_actions"] # 获取动作维度
    n_agents = env_info["n_agents"] # 存在多少个智能体

    n_episodes = 10

    for e in range(n_episodes):
        env.reset()
        terminated = False
        episode_reward = 0

        while not terminated:
            obs = env.get_obs()
            state = env.get_state()

            actions = []
            for agent_id in range(n_agents): # 对于每个智能体遍历循环
                avail_actions = env.get_avail_agent_actions(agent_id)
                avail_actions_ind = np.nonzero(avail_actions)[0]
                action = np.random.choice(avail_actions_ind)
                actions.append(action)

            reward, terminated, _ = env.step(actions)
            episode_reward += reward

        print("Total reward in episode {} = {}".format(e, episode_reward))

    env.close()

if __name__ == "__main__":
	main()

对于上述代码，

参考

• SMAC - StarCraft Multi-Agent Challenge
• 使用Pytorch在StarCraft II 星际争霸2上实现多智能体强化学习算法