俄罗斯方块人工智能 [ AI ]

SSDUT 小学期大作业，计划用 C++ 完成俄罗斯方块，用 QT 实现用户界面。实现基本功能后有多余时间，就加了 AI 的模块。目前的算法经测试，可以实现 25万 行左右的消除，在改进方块生成随机函数 (BAG7) 后，消除的行数会有大幅增加。

效果预览：

                   

以下是正文：

算法选取

实现 AI 的算法我考虑了两种，在其中权衡：

• Pierre Dellacherie算法，求出一些参数，基于评估函数实现，每次只考虑当前情况的最优解
• 搜索，基于DFS，用A*剪枝优化，结合多步的情况

DFS 需要优化的地方很多，假如计算的层数不够、没有高效的剪枝，一不小心容易写成人工智障，时间复杂度也不好。

Pierre Dellacherie算法更加清晰，复杂度更低。虽然不是很符合我的存储结构，但经过修改还是可以很好实现。

方块存储

我存储方块的模式比较简单暴力，直接放在数组矩阵里。共有 7 种方块，方块经过旋转形状不同，也分开存储。因此，共需要存 19 组数据来记录所有的方块。

以 “L” 形方块为例：

            "#3##",        //表示同一种方块的不同旋转
            "#3##",
            "#33#",
            "####"        
        
            "####",
            "333#",
            "3###",
            "####"
      
            "33##",
            "#3##",
            "#3##",
            "####"
           
            "##3#",
            "333#",
            "####",
            "####"

网上许多的方案是在确定一个中点(旋转点)之后，给出其他块的相对位置来表示形状，旋转时也是通过位置参数的变化实现。我这里虽然有些暴力但是可以减少很多计算。Pierre Dellacherie算法中的一个参数也需要用到中点这一概念，但很明显我的存储结构中没有维护中点这一概念。但其实也并不需要，我们可以简单修改此参数的获取规则，实现相同的作用。

Pierre Dellacherie算法

该算法只考虑当前，不对未来的情况进行计算。注重的是“不死性”，追求方块的“密集”，有时就算可以一次性消除 3 行，却会使全局方块更加“疏”，算法是不会在这种情况落子的。

每次生成一个方块，便穷举该方块所有旋转的所有落点。一种方块最多有 4 种旋转，并且由于游戏界面是 10 * 20 的，所以对于每个旋转形状，只需要考虑  10 种落点，故需要考虑的情况不多。加上剪枝后，穷举法也变得十分可观。

算法的核心是一个评估函数。对穷举出的每一种下落情况，计算 6 个参数值，用评估函数加权求和得到一个值，该值最大的情况便是目前方块的最优下落位置。

六个参数分别是：

• Landing height 

表示方块下落后高度的参数 (相对于底部的高度)