windows对战eval模式：
   如果已经替换，不需要再次替换
   sc_code/utils/qmix_policy.py替换ray/rllib/agents/qmix/qmix_policy.py
   sc_code/utils/model.py替换ray/rllib/agents/qmix/model.py
   sc_code/utils/autoregressive_action_model.py替换    ray/rllib/examples/models/autoregressive_action_model.py

修改sc_code文件夹下，main_versus.py文件 41 行，parser.add_argument("--mozi_server_path", type=str, default=
'D:\\mozi_server\\Mozi\\MoziServer\\bin')default路径本机墨子推演系统的bin目录文件夹，就可以运行该案例，启动对战。

Linux训练模式：
需要安装墨子镜像
把 sc_code⽂件夹复制到 /root/anaconda3/lib/python3.6/site-packages⽂件夹下
修改 sc_code/main_train.py 的 SERVER_DOCKER_DICT = {'39.105.40.250': 3, } ，IP是 linux本机的IP，worker的数量根据自己需要修改
修改 sc_code/main_train.py 的 config = { "env": SCEnv, "env_config": env_config, "rollout_fragment_length": 800, "num_workers": 2, # 2=3-1
      sc_code/utils/qmix_policy.py替换ray/rllib/agents/qmix/qmix_policy.py
      sc_code/utils/model.py替换ray/rllib/agents/qmix/model.py
      sc_code/utils/autoregressive_action_model.py替换    ray/rllib/examples/models/autoregressive_action_model.py
启动训练：python main_train.py