通过俄罗斯方块浅谈游戏中的AI(三)AI实现代码框架

长驱直入，本节介绍这个非常容易，但是也算是五脏俱全的小AI的组成框架，并会加入重要的实现代码

 

本AI部分的程序体共包含了4个部分

 

1. 评价参数定义部分：定义相关评价参数的数值，参数数值定义的越合乎逻辑，AI技术的效果越好
2. 评价函数实现部分：实现各种维度的评价，此处注意要使用定义参数的值，不能使用内部值，否则不易于以后微调。
3. AI调用之前的处理部分：判断是否需要进入AI，以及AI前的一些处理变量的清理工作。
4. AI实现部分：形成一个递归算法（本例可以不用递归，因为最多就两层）

更好的AI程序框架

 

1. 标准评价函数部分：定义几种标准的状态值获取函数
2. 读取用户自定义策略类：在处理前预先读取‘5’所描述的内容，转存在内存中形成一个逻辑处理片段
3. AI调用之前处理：同上一种框架
4. AI实现：同上一种框架
5. 程序外部编写实现某局面评价的策略：如评价参数定义，评价使用的函数，各种情况的条件等。

后一种方式中的智能策略更为灵活，而且可以更好的实现多种策略的切换，或者实现不同AI之间的对抗。

 

由于本程序编写时间太短，没有用第二种方式实现，以后的扑克或者其它更有意思的游戏会用第二种方式来实现。

 

---

 

下面就四个部分分别粘贴一段代表性的代码，让大家更清晰他们的区别以及它们之间的关系。

 

评价参数定义部分

#region 评价参数区域 //策略 说明 //1 紧密防守。。。 一行也消除 //2 频繁小规模进攻。。。以2行起消，消一行不加分也不扣分 //3 积攒大规模进攻。。。以3行起消，消两行不加分，消一行扣分，消四行得高分 int plot = 3; //默认策略是3 int calculateCount = 4;//取几个最优值进行下一个方块的计算， //当前算法下，普通cpu只能接受4-6个，以后优化后可以不限制 int RealHole = -2132; //实洞 int NoLevel = -1347;//无平台评价 int NoHigher1 = -152;//无左高台评价 对于有些图形，无高低台反而不方便 int NoHigher2 = -55;//无2阶左或右高台 int Higher2 = -254; //多于2个2阶高 int Higher3 = -567; //有超过一个3阶以上的高台 Higher3 * (个数-1)^2 int HighLowDisOver4 = -100;//扣分为 （dis - 4）*（dis-4）* HighLowDisOver4 int HightMoreThan10 = -94;//高度超过10以后扣分平方关系，（high - 10）*（high - 10）* HightMoreThan10 int SideNoHigherThanothers = -367;//当最高的已经达到12， (min<8)当最边没有中间的高的情况下，差4个高度开始， （dis-4)*(dis-4)*SideNoHigherThanothers #endregion

 

这里定义了总策略，定义了各种不同情况的扣分情况等。

 

 

 

评价函数实现部分

/// <summary> /// 评价函数 /// 注意：评价函数不考虑将来，仅对当前状态进行评价。 /// </summary> private int evaluateFunction(PlayingModel tempPad) { //计算当前这次消除行的加分 int finalValue = 0; int clearLinesCount = tempPad.JudgeClear(true,false); if (clearLinesCount > 0) { switch (plot) { case 1: finalValue += 1289 * clearLinesCount * clearLinesCount; break; case 2: finalValue += 944 * (clearLinesCount - 1) * (clearLinesCount - 1); break; default: if (clearLinesCount == 1) finalValue -= 632; else finalValue += 984 * (clearLinesCount - 2) * (clearLinesCount - 1); break; } tempPad.RealClearLines(); } //模拟消除行 int[,] toCalculatePoints = new int[tempPad.ColumnsCount, tempPad.RowsCount]; for (int i = 0; i < tempPad.ColumnsCount; i++) { for (int r = 0; r < tempPad.RowsCount; r++) { toCalculatePoints[i, r] = tempPad.AllPiece[i, r].State; } } //调用上面的两个评价函数 finalValue += calculateDistanceOfHighLow(toCalculatePoints); finalValue += calculateHole(toCalculatePoints); return finalValue; }

 

这里本来有三个函数，引用的函数是总评价函数，其中包含不同总策略下的消行加分计算，及调用其它评价函数。

注意，这里有不合理代码，就是在消行，加分这块，使用了固定数值，而没有引用参数；尽量不要这样使用。

 

 

AI调用之前的处理部分

internal void AIDoNext(List<PlayingModel> fighters) { for (int i = fighters.Count - 1; i >= 0; i--) { if (fighters[i] == null || fighters[i].GameOver) fighters.RemoveAt(i); } if (nowStopCount < plot && nowStopCount < 10 - theLevel) { nowStopCount++; return; } nowStopCount = 0; if (ToActLineCount > 0) { //找到任意一个敌人,只要满足条件就攻击 foreach (PlayingModel tempPad in fighters) { int min = tempPad.getPadHight(); if (min - ToActLineCount < 8 || plot == 1) { Fight(tempPad); //攻击完毕就结束,如果多于一个敌人的,以后可以攻击一部分,剩下的攻击其他人 break; } } } //1/判断路点是否达到，如果全部达到，则进行AI //2/如果路点的方块和当前方块不是一个，也重新计算，否则永远也旋转不到相应位置 //3/如果还有路点存在，则判断是否可以正常达到路点，特别是横向移动是否有阻碍， //比如本来可以移动的，但是由于对方给这边加入了一些行，造成无法移动，则不得不重新调用AI if (listRoadPoint.Count == 0 || listRoadPoint[0].TheAimSet.Name != this.theMovingSet.Name || !positionCanReach(listRoadPoint[0].TheAimSet, listRoadPoint[0].TheAimPoint)) { AI(fighters); return; } //如果可以移动到路点，则进行一次移动操作 //如果需要移动到路点后继续横移（就是要填充虚洞的操作，先移动下去，然后快速横移）则调整成慢下降，否则调整成快下降模式 if (listRoadPoint[0].TheAimSet != TheMovingSet) { Turn(); return; } if (listRoadPoint.Count == 1) { downToEndMode = true; if (DropDownModeChanged != null) DropDownModeChanged(index); } if (listRoadPoint[0].FirstHorizontal) { if (listRoadPoint[0].TheAimPoint.X != TheMovingSetPosition.X) moveHorizontalToAim(listRoadPoint[0].TheAimPoint.X); else moveVerticalToAim(listRoadPoint[0].TheAimPoint.Y); } else { if (listRoadPoint[0].TheAimPoint.Y != TheMovingSetPosition.Y) moveVerticalToAim( listRoadPoint[0].TheAimPoint.Y); else moveHorizontalToAim( listRoadPoint[0].TheAimPoint.X); } if (listRoadPoint[0].TheAimPoint.Equals(TheMovingSetPosition)) { listRoadPoint.RemoveAt(0); } }

 

这个部分前面有一个if语句判断是否调用AI，如果不调用，就按照原先的路点走下去，路点的结构将作为下一个小节专门讲解。

 

 

AI实现部分

/// <summary> /// 只能计算递归用的，但是由于只知道下一个牌，所以并不能递归超过2次。 /// </summary> /// <param name="thePadToCalculate">要计算的形式</param> /// <param name="saveBestCount">保存最好的解的数量</param> /// <param name="deep">2或1</param> /// <returns></returns> private int AIinside(PlayingModel thePadToCalculate, int saveBestCount, int deep, out List<RoadPoint> theRoad) { int sumCount = -10000000; theRoad = new List<RoadPoint>(); //所有要计算的结果最优存储 Dictionary<int, int> dicAllToSelect = new Dictionary<int, int>(); //第几个存储,及对应分数; List<RoadPoint>[] lstAllToSelect = new List<RoadPoint>[saveBestCount]; //第几个,及对应路点; for (int i = 0; i < saveBestCount; i++) { dicAllToSelect.Add(i, -999999); lstAllToSelect[i] = new List<RoadPoint>(); } //把当前图形所有可以变化的样式测试个遍 SetOfTetris toCalculateSet = thePadToCalculate.TheMovingSet.RightNext; for (int rotation = 0; rotation < toCalculateSet.CanChangeTimes; rotation++) { toCalculateSet = toCalculateSet.LeftNext; //得到每一种变化在每一列的第一个可以停止的位置,以后计算其它的,现在仅平移下降用不到高级技术. for (int i = -1; i <= GameController.TheController.ColumnsCount; i++) { for (int r = 0; r < GameController.TheController.RowsCount; r++) { if (thePadToCalculate.PositionIsPermitted( new XYPair(i, r), toCalculateSet)) continue; if (r != 0) { PlayingModel tempPlayingModel = (PlayingModel)thePadToCalculate.Clone(); tempPlayingModel.AddSetToPad( new XYPair(i, r - 1), toCalculateSet); int tempValue = evaluateFunction(tempPlayingModel); //执行评价函数得到分数 //分数与当前几个最优解比较,如果可以进入这几个的备案,则替换原有方案 int minValue = 10000000; int findToChange = -1; for (int l = 0; l < saveBestCount; l++) { if (dicAllToSelect[l] < minValue) { minValue = dicAllToSelect[l]; findToChange = l; } } //检查与替换 if (minValue < tempValue) { dicAllToSelect[findToChange] = tempValue; lstAllToSelect[findToChange].Clear(); lstAllToSelect[findToChange].Add(new RoadPoint(new XYPair(i, r - 1), toCalculateSet)); } } break; } } } //理论上应该再把刚刚找出的几个最优解,分别与下一个方块进行配合,找出更优解; //暂时不处理 int findTheBest = -1; if (deep > 1 && saveBestCount > 1) { for (int l = 0; l < saveBestCount; l++) { //dicAllToSelect[l] int tempSumCount; List<RoadPoint> tempR; if (lstAllToSelect[l].Count == 0) continue; RoadPoint temprp = lstAllToSelect[l][lstAllToSelect[l].Count - 1]; PlayingModel tempPp = (PlayingModel)thePadToCalculate.Clone(); tempPp.AddSetToPad( temprp.TheAimPoint, temprp.TheAimSet); tempPp.TheMovingSet = tempPp.TheNextSet; tempSumCount = AIinside(tempPp, 1, 1, out tempR); if (dicAllToSelect[l] + tempSumCount > sumCount) { sumCount = dicAllToSelect[l] + tempSumCount; findTheBest = l; } } theRoad = lstAllToSelect[findTheBest]; } else { for (int l = 0; l < saveBestCount; l++) { if (dicAllToSelect[l] > sumCount) { sumCount = dicAllToSelect[l]; findTheBest = l; } } } return sumCount; }

这个函数写的很一般，或者说很糟糕，大家可以大概看看它的意思就好。

实际完成的功能就是 预先定义好了找第一个方块分数最高的几个，然后计算下完第二个后的得分，把所有这些可能中的最高分拿出来当成最终选择的值。

 

对于整个算法这块来看，本函数仅仅是个调用部分，复杂的内容在评价那块，真正需要提高效率的也是评价那块，所以这块我就是实现了功能

就没有再去管它，等我把评价修改成位运算的方式后，在考虑这部分的修改。

 

下面将在写两节，一节是关于路点的结构体以及其用法的描述，另一节是如何把普通的数组计算转换成位运算，极大提高执行效率。

 

本节暂时到这里，非常希望大家指正。