[以前的文章,重新发布]
第一次写AI,从最开始随便就能赢到最后仔细下都不一定能赢,这中间花费了很长一段时间,代码量也超过了之前很多。每次改进和修复BUG都是对自己的一个提升。
我的AI是基于优先级设计的,另外加了一些其他判断,现在先看看棋盘:
红色:这四个点不需要特别说明,占的越多胜利的几率越大
蓝色:这些点是略低于角点的最优点
黄色:这几个点无关优先级,但是需要特别注意,棋盘的博弈就是让自己占到角和不让对方占到角,下这个点容易让出角点,或者让自己有机会占角,所以需要特别注意
以上是棋盘上3种需要注意的区域,其中角和边的点都有自己的优先分数,比如角是50,边是10,另外下一个点能占的棋子数累加也有个分数,还有夹子数......
if(AI_flag==1)
{
//step.1 //寻找角
if(AI_is_horn(turn,i,j))
{
choos_score_2+=(HORN*2);
}
else
{
//step.2 //不下此点就会让出角
if(AI_not_do_no_horn(turn,i,j))
{
choos_score_2+=HORN;
}
//step.3 //下此点就会让出角
if(AI_no_horn(turn,i,j))
{
choos_score_2-=HORN;
}
//step.4 //若下此点下一步是否可下角
else if(AI_is_next_horn(turn,i,j))
{
choos_score_2+=(HORN/2);
}
}
//step.5 //寻找边
if(AI_is_line(turn,i,j))
{
//step.6 //不下无效边
if(AI_no_line(turn,i,j))
{
choos_score_2-=LINE;
}
choos_score_2+=LINE;
}
//step.7 //返回夹子分数
int cought=0;
if((cought=AI_is_cought(turn,i,j))>1)
{
choos_score_2+=cought*CAUGHT;
}
//转换分数
choos_score_2+=AI_getscore(turn,i,j);
//如果分数比缓存高
rand=CCRANDOM_0_1();
if(rand>=0)
{
if(choos_score_2>=choos_score)
{
choos_x=i;
choos_y=j;
choos_score=choos_score_2;
}
}
else
{
if(choos_score_2>choos_score)
{
choos_x=i;
choos_y=j;
choos_score=choos_score_2;
}
}
}
以上代码是AI的serch函数,其中有7个步骤,代码中有注释比较容易理解,这样电脑就变得比较智能,当然我的代码是单步搜索,还可以做成多步搜索,那么就更加智能了。
以下说说AI如何实现以上的serch函数,我的设计比较简单,就是在类里定义一个跟棋盘一样大的二维数组的模拟棋盘,用一个init函数将棋盘上的棋子数据存入数组里
void Game::AI_chess_init()
{
//初始化储存棋盘
for(int a=0;a<10;a++)
{
for(int b=0;b<10;b++)
{
AI_chess[a][b]=chess[a][b]->qi_type;
}
}
}
非常简单,这样就能直接在模拟棋盘上模拟下棋,每次serch就重新init一下。
AI的设计暂时就是这样,之后如果突然有灵感还会继续修改代码。