Hold'em AI Source

Texas Hold'em AI source code collection / 德州撲克AI源码合集 / 德州撲克AI源码合集
CFR, Monte Carlo, rule-based, neural network bots for research, learning, and development / CFR、蒙特卡洛、规则AI、神经网络Bot，研究学习开发专用 / CFR、蒙特卡洛、規則AI、神經網絡Bot，研究學習開發專用.

🎯 AI算法一览 / AI Algorithms / AI演算法一覽

算法	语言	难度	特点	源码
规则Bot	Python	新手	简单易懂	查看
Monte Carlo	JavaScript	中级	模拟搜索	查看
CFR	Python	高级	纳什均衡	查看
Minimax	C++	高级	精确搜索	查看
神经网络	PyTorch	专家	DQN训练	查看

🚀 快速运行 / Quick Start / 快速運行

# 1. 下载源码
git clone https://github.com/deepseek7878/holdem-ai-source.git
cd holdem-ai-source

# 2. 运行规则Bot (最简单)
cd bots/rulebot
python main.py

# 3. 运行CFR (推荐)
cd bots/cfr
pip install -r requirements.txt
python train.py --iterations 10000
python play.py

# 4. 对战测试
python benchmark.py --bots rulebot cfr montecarlo

📊 对战排行 / Bot Rankings / Bot排名

CFR Bot: 胜率82% (10k手)

Monte Carlo: 胜率67%

Minimax: 胜率59%

Rule Bot: 胜率48%

Random: 胜率12%

🧠 算法详解 / Algorithm Details / 演算法詳解

1. 规则Bot (Rule-based)

if nuts_strength > opponent_range: raise 3x pot elif position == button: call else: fold

text 适用： 学习基础决策逻辑

2. Monte Carlo Simulation

for i in range(10000): simulate_remaining_board() evaluate_equity() return average_equity

适用： 中期决策胜率计算

3. CFR (Counterfactual Regret Minimization)

regret_sum += counterfactual_regret strategy = regret_matching(regret_sum)

适用： 接近纳什均衡

4. Minimax with Alpha-Beta

max_value = max(minimax(child, depth-1, False)) min_value = min(minimax(child, depth-1, True))

适用： 小牌桌精确搜索

🏗️ 项目结构 / Structure / 結構

holdem-ai-source/ ├── bots/ │ ├── rulebot/ # 规则AI │ ├── montecarlo/ # 蒙特卡洛 │ ├── cfr/ # CFR核心 │ └── neural/ # 神经网络 ├── common/ │ ├── engine.py # 扑克引擎 │ └── evaluator.py # 牌型判断 ├── benchmarks/ # 对战测试 └── notebooks/ # Jupyter示例

text

🎮 快速测试 / Quick Test / 快速測試

# 安装测试环境
pip install -r test-requirements.txt

# 基准测试所有Bot
python benchmark.py

# 自定义对战
python battle.py --bot1 cfr --bot2 montecarlo --hands 10000

📈 性能对比 / Performance / 效能對比

Bot	决策时间	胜率	内存
Rule	0.1ms	48%	20MB
Monte Carlo	25ms	67%	45MB
CFR	8ms	82%	120MB
Minimax	150ms	59%	80MB

🔧 开发者指南 / Developer Guide / 開發者指南

集成到你的项目

from bots.cfr import CFRBot
from common.engine import TexasHoldem

game = TexasHoldem(6)
bot = CFRBot()

while game.is_running():
    action = bot.get_action(game.state)
    game.player_action(action)

自定义训练

# config.json
{
  "iterations": 100000,
  "simulations": 5000,
  "exploration": 1.4
}

🛠️ 环境配置 / Environment / 環境配置

Python 3.8+ (推荐) PyTorch 1.12+ (神经网络) NumPy / SciPy Jupyter (notebook演示) Docker (统一环境)

📦 源码包下载 / Source Packages / 源码包

规则Bot包 - 1.2MB CFR完整包 - 8.5MB 全套源码 - 25MB

🎯 学习路径 / Learning Path / 學習路徑

规则Bot → 理解基础决策

Monte Carlo → 胜率计算

CFR → 博弈论深度

神经网络 → 深度学习

集成实战 → 完整项目

🔬 研究参考 / Research Reference / 研究參考

✅ Libratus论文复现 ✅ Pluribus架构参考 ✅ PioSOLVER策略验证 ✅ 胜率基准测试

🤝 贡献指南 / Contributing / 貢獻指南

✅ 新AI算法 ✅ 性能优化 ✅ 更多语言实现 ✅ 测试用例 ✅ 文档完善 ✅ Docker封装

📱 💰 获取源码 | Contact

📱 Telegram：@fox_lovemyself

📧 Email：lihongbo9414@gmail.com

产品截图

📄 License

MIT License - AI研究商用友好 Copyright (c) 2026 deepseek7878

text

---

⭐ Star收藏扑克AI源码库！ / Star poker AI source collection! / Star收藏撲克AI源码庫！