AI 玩2048

最新推荐文章于 2024-08-08 07:00:17 发布

孤鸿子_

最新推荐文章于 2024-08-08 07:00:17 发布

阅读量2.6k

点赞数 4

分类专栏：机器学习文章标签： 2048 AI 搜索

本文链接：https://blog.csdn.net/Dylan_Frank/article/details/84147363

版权

本文介绍了作者利用AI实现2048游戏的智能玩法，采用期望最大化策略，计算机在格子中随机放置数字并评估局面效用。效用评估函数考虑了数值权重、相邻格子差异和顶部大数字的优先级。经过实验，AI在0.2秒内完成一步操作，约20-60%的概率达成2048，其余情况达到1024。作者指出，通过调整参数和提高搜索速度，AI的表现有望进一步提升。

摘要由CSDN通过智能技术生成

最近写了个AI 玩2048 的小游戏，简单记录一下过程

项目地址 : https://github.com/DylanFrank/Learn/tree/master/CSMM101AI/project/2048-game

核心代码是这一块儿 :

playerAI_3.py

其他代码都是系统给的

核心逻辑

最开始我是想写一个alpha-beta剪枝来着，但是效果不好，后面我改了一下逻辑，变成期望最大化computer 是在任意一个格子上随机放一格， $90\%$ 的概率是 $2$ , $10\%$ 的概率是 $4$ , 然后平均一下整体的效用 (utility), 关于这个效用评估函数，后面再说。人就是尝试各种方向每步找一个期望效用最大的方向滑动就好。

    def minimize(self, grid, dep):
        # self.dep +=1
        cells = grid.getAvailableCells()

        if self.terminal_test(cells, dep):
            return self.estimateFun(grid)

        utility = 0

        for cell in cells:
            child = grid.clone()  # grid is not change

            # for val in tileVal:
            child.setCellValue(cell, tileVal[0])
            u1 = self.maximize(child, dep - 1)[1]

            child.setCellValue(cell, tileVal[1])
            u2 = self.maximize(child, dep - 1)[1]

            utility += prob * u1 + (1 - prob) * u2

        return utility / len(cells)

    def maximize(self, grid, dep):
        # self.dep +=1</