说明

背景

1. 训练一个AI去玩百家乐。
2. 牌堆一共有3副除开大小王的牌，AI可以记住剩余牌堆有哪些牌。
3. 一共给100块钱，每次投注1块钱，
4. 可以投【庄赢、闲赢、和、对子、放弃不玩】5种

• 赔率如下

动作	奖励
庄赢、闲赢	1
和	8
庄对子或者闲对子	5.5

其他说明

1. 一轮等于玩1280次或者把钱输光。
2. 测试了下如果全部投庄赢，平均1000次左右输完100块。

难点

同一个剩余牌堆S给同一个动作A,得到的reward可能是不一样的