五子棋智能算法-博弈树算法思想详解（一）

最新推荐文章于 2024-06-11 11:57:37 发布
最新推荐文章于 2024-06-11 11:57:37 发布
阅读量3w 收藏 175
点赞数 28
分类专栏： 数学建模 人工智能算法 数据结构 c语言进阶 智能算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/viafcccy/article/details/90648852
版权

学习这个算法之前必会链表 关于链表看这两篇博文

https://blog.csdn.net/viafcccy/article/details/84502334

https://blog.csdn.net/viafcccy/article/details/85041942

 

在五子棋下棋中 我们最容易想到的算法就是对于棋局的推演 从而找到一种最佳的情况去使棋局向这个方向发展

为了简单思考我们首先想一个五子棋的开局

 

这种情况下黑棋有两种选择就是下方这两种棋型由于考虑到建模的复杂程度 和 计算机下棋的考虑时间 我们只考虑所有的直线型的棋型 将所有的直线型棋局穷举出来是可能的（我这里相当于将直线作为下棋的单位 所有的推演都是去寻找直线的棋局）

这里我列举出来

/***************一子/二子******************/
x0
0                  
00
0_0 
0_ _0
0_ _ _0
x00
x0_0
x0_ _0    
x0_ _ _0

/*****************三子**********************/ 
000 
0_00                            
00_ _0   
0_0_0
x000 
x0_00
x00_0
X0_ _00
X0_0_0
X00_ _0

/*****************四子**********************/
0000
0_000
00_00
x0000
x000_0
x0_000
x00_00

/*****************五子**********************/
00000

于是 此时 我们需要的是电脑去搜索所有的棋型 并把所有的情况列举出来构成一棵树 去推演最后选择最有利的一种棋型

下面我们需要的是为各个棋型打出分值 显然 例如 连成五子的棋型 对于我方来说是正无穷分 但是如果对方构成就需要打分负无穷分... 但是剩下的棋型打分需要自己去权衡和思考 可以是从你下棋的角度 认为某种棋型有利就是高分（对方就是相反数 会更小）

现在我要记住这棵树是从电脑出发去思考（所有的打分都是根据电脑去打分） 也就是 在电脑下棋的时候选择分数最高的一种局势 在对手下棋的时候肯定是去思考对对手最有利的情况（也就是分数最小的情况） 【这里为啥是最小很好想 对手四个连成一排 势必要去先处理这个位置的四个棋子 事情肯定是最紧急的优先去处理】 于是构成了下面的这棵博弈树

构建好这样一棵博弈树之后  就要去从最底层去逐层选择最小值和最大值去逐层推演 直到选择一种最佳的棋型 其实在编程时 我们要

1.搜索下一步所有的棋型

2.为每一种棋型建立一颗博弈树 最后选出分数最高的下一步

alpha-beta剪枝搜索 

 但是这里存在一个问题随着树的深度、广度的不断扩张 运算的数量是成指数级上涨的 也就是说电脑的运算次数有限 也就是整棵树的深度、广度是有限的 我们想要去在一定的时间里推演出更多的步骤 就需要去剔除一些显然不可能向上传递的分支 这里这个过程就叫做alpha-beta剪枝搜索 

重新回到开始的模型

也就是说不需要遍历完每一个节点 在遍历中遇到不可能的值时就直接剔除（图树的遍历是有深度和广度遍历的不要忘记） 

同理在上一层是选择最小值的时候 也是同一个道理

最后总结一下最基本的博弈树 和 alpha-beta剪枝算法步骤

1.搜索周边所有的棋型

2.选择每一种可能的走法 不断的搜索棋型 建立一棵博弈树 遍历 剪枝 推导出初始节点分值

3.最终选择一棵分值最高的博弈树的初始节点 按照这种棋型

4.等待人落子

5.重复1

viafcccy
关注
  • 28
    点赞
  • 踩
  • 175
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
【BIT大作业】人工智能+五子棋实战（二）博弈搜索算法
梁瑛平的博客
11-30 2729
【BIT大作业】人工智能+五子棋实战（二）博弈搜索算法博弈树算法简介：代码实现：效果： 博弈树算法简介： emmm可以看这个博主的博客： 五子棋智能算法-博弈树算法思想详解 代码实现： 核心代码： # DFS: 博弈树搜索 # ---------------------------------------------------------------------- class searcher(object): # 初始化 def __init__(self): self.
基于Alpha-Beta剪枝博弈树的五子棋AI算法实现
05-19
【作品名称】：基于Alpha-Beta剪枝博弈树的五子棋AI算法实现 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】：基于Alpha-Beta剪枝博弈树的五子棋AI算法实现
五子棋AI算法-极大极小值搜索算法代码实现
11-03
五子棋AI算法-极大极小值搜索算法代码实现；适合学习机器学习算法的初学者，学完后会对极大极小值搜索算法（ Alpha Beta 剪枝算法。）有更深的理解。
头歌AlphaBeta剪枝算法参考答案
hs2254406096的博客
06-07 201
【代码】头歌AlphaBeta剪枝算法参考答案。
【五子棋实战】第2章 博弈树负值极大alpha-beta剪枝算法
十一月廿七风雨大作
06-22 4718
博弈树。
【Unity】五子棋AI博弈算法实讲
Leibnezz的博客
02-21 2140
系统的，分层次的讲解了五子棋AI博弈算法。
人工智能课设——基于A*算法的五子棋博弈系统（Python实现）
最新发布
qq_64928997的博客
06-11 1138
基于A*算法的五子棋博弈系统A)给出用 A*算法设计实现五子棋博弈的思想与方法。B)设计实现五子棋博弈交互系统。C)对不同的格局，以及不同的初始状态和目标状态，记录 A*算法的落棋求解结果。分析A*算法设计实现五子棋博弈的有效性。
五子棋智能算法——博弈树编程实现一字棋（四）
viafcccy的博客
06-02 1万+
一字棋指的是：在一个九宫格内率先连成三个字的取胜 首先，基于前面决策树的讲解 博弈的棋类游戏等等 只要找到合适的估值函数都可以使用博弈树来实现 下面我们来使用博弈树完成一字棋的算法。 根据前面的算法思想我们算法大致分为几步： 1.对棋局落子有正确的估值 2.通过遍历建立博弈树 3.对博弈树进行α-β剪枝增快查找速度（这里由于数据量较小 放在最后一起讲解） 4.根据极大值 极小值搜索...
强化学习 五子棋算法
LiXenon的博客
10-01 6992
强化学习 五子棋算法蒙特卡洛树搜索 MCTS蒙特卡洛树搜索详解功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 本文会以AI五子棋展开，讲解一些强化学习中博弈方向的算法。 全文只涉及算法讲解，不会展现代码。 蒙特卡洛树搜索 MCTS
透析极大极小搜索算法和α-β剪枝算法（有案例和完整代码）
Rookie
02-17 7531
结合具体案例和算法代码带你彻底弄懂极大极小搜索算法和α-β剪枝算法
五子棋-智能算法-C#源码-人机对弈-原创
04-20
在本项目中，"五子棋-智能算法-C#源码-人机对弈-原创"，开发者提供了一个使用C#编程语言实现的五子棋游戏，具备智能算法，能够支持人机对弈功能。该项目基于.NET Framework 4.6，意味着它依赖于微软的这个成熟的开发...
史上最容易理解且强大的人工智能五子棋博弈算法
05-24
在本项目中，"史上最容易理解且强大的人工智能五子棋博弈算法" 提供了一个实现简单且高效的五子棋游戏的人工智能解决方案。该程序可能是用C++或C语言编写，因为标签中包含了这两种编程语言。五子棋是一种两人对弈的...
人工智能-项目实践-模型剪枝-基于博弈树α-β剪枝搜索的五子棋AI.zip
01-03
人工智能-项目实践-模型剪枝-基于博弈树α-β剪枝搜索的五子棋AI 最近机器学习很火， 乘着这把火，我也学习了一把，但是没有直接学习深度学习，而是遵从一位老前辈，一定要把人工智能的所有方法都了解掌握了，才能...
详解五子棋AI开发：基于博弈树α-β剪枝搜索的Python实现教程
qq_38334677的博客
09-20 623
博弈树是一个决策树，它代表了游戏中的所有可能的行动序列。每一个节点代表一个游戏的状态，而边则代表玩家的一个合法动作。α-β剪枝是一种在博弈树搜索中优化的方法，它避免搜索那些在已知更好的其他选择存在时不会被考虑的移动。其基本思想是：如果一个子节点被证明比其兄弟节点更差，那么这个节点的其他子节点就不再被考虑。在本篇文章中，我们探讨了如何使用博弈树的α-β剪枝搜索算法为五子棋创建一个AI。我们首先了解了博弈树和α-β剪枝的基本概念，并学习了如何表示五子棋棋盘和评估棋盘状态。
面向初学者的蒙特卡洛树搜索MCTS详解及其实现
彩虹糖的博客
11-24 2万+
蒙特卡洛搜索算法是棋类博弈中常用的算法，本文介绍了蒙特卡洛搜索算法的原理，实现以及示例等内容，让读者对这一经典算法能有更加透彻的认识。
matlab遗传算法（GA）详解（一）算法入门
热门推荐
viafcccy的博客
07-02 15万+
遗传算法（Genetic Algorithm, GA）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解（所找到的解是全局最优解）的方法。 参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容。 1）种群初始化。我们需要首先通过随机生成的方式来创造一个种群，一般该种群的数量为100...
matlab遗传算法（GA）详解（二）旅行商问题（TSP）详解
viafcccy的博客
07-03 3万+
旅行商问题，即TSP问题（Traveling Salesman Problem）又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。 首先可以去下载数据集https://download.csdn.net/...
GM(灰度预测模型)
viafcccy的博客
01-28 3万+
根据某市1-6月的交通事故数量，建立灰色模型预测GM(1,1)（G表示grey，M表示model）预测7.8月份的交通事故数量（要求做精度检验）   灰色预测的概念 （1）灰色系统、白色系统和黑色系统 白色系统是指一个系统的内部特征是完全已知的，既系统信息是完全充分的。 黑色系统是一个系统的内部信息对外界来说是一无所知的，只能通过它与外界的联系来加以观测研究。 灰色系统介于白色和黑色之...
博弈树搜索算法五子棋代码
04-21
博弈树搜索算法是一种用于解决博弈问题的算法，其中五子棋是一个常见的应用场景。下面是一个基于博弈树搜索算法的五子棋代码示例： ```cpp #include <iostream> #include <vector> const int BOARD_SIZE = 15; const int WIN_COUNT = 5; enum class Player { NONE, BLACK, WHITE }; struct Move { int row; int col; }; class Game { public: Game() : currentPlayer(Player::BLACK) { board.resize(BOARD_SIZE, std::vector<Player>(BOARD_SIZE, Player::NONE)); } void makeMove(const Move& move) { board[move.row][move.col] = currentPlayer; currentPlayer = (currentPlayer == Player::BLACK) ? Player::WHITE : Player::BLACK; } bool isGameOver() const { return checkWin() || isBoardFull(); } Player getWinner() const { return winner; } private: std::vector<std::vector<Player>> board; Player currentPlayer; Player winner; bool checkWin() { // 检查行 for (int row = 0; row < BOARD_SIZE; row++) { for (int col = 0; col <= BOARD_SIZE - WIN_COUNT; col++) { if (board[row][col] != Player::NONE) { bool win = true; for (int i = 1; i < WIN_COUNT; i++) { if (board[row][col + i] != board[row][col]) { win = false; break; } } if (win) { winner = board[row][col]; return true; } } } } // 检查列 for (int col = 0; col < BOARD_SIZE; col++) { for (int row = 0; row <= BOARD_SIZE - WIN_COUNT; row++) { if (board[row][col] != Player::NONE) { bool win = true; for (int i = 1; i < WIN_COUNT; i++) { if (board[row + i][col] != board[row][col]) { win = false; break; } } if (win) { winner = board[row][col]; return true; } } } } // 检查对角线 for (int row = 0; row <= BOARD_SIZE - WIN_COUNT; row++) { for (int col = 0; col <= BOARD_SIZE - WIN_COUNT; col++) { if (board[row][col] != Player::NONE) { bool win = true; for (int i = 1; i < WIN_COUNT; i++) { if (board[row + i][col + i] != board[row][col]) { win = false; break; } } if (win) { winner = board[row][col]; return true; } } } } // 检查反对角线 for (int row = WIN_COUNT - 1; row < BOARD_SIZE; row++) { for (int col = 0; col <= BOARD_SIZE - WIN_COUNT; col++) { if (board[row][col] != Player::NONE) { bool win = true; for (int i = 1; i < WIN_COUNT; i++) { if (board[row - i][col + i] != board[row][col]) { win = false; break; } } if (win) { winner = board[row][col]; return true; } } } } return false; } bool isBoardFull() const { for (int row = 0; row < BOARD_SIZE; row++) { for (int col = 0; col < BOARD_SIZE; col++) { if (board[row][col] == Player::NONE) { return false; } } } return true; } }; int main() { Game game; // 玩家输入示例 while (!game.isGameOver()) { int row, col; std::cout << "请输入下棋位置的行和列（以空格分隔）："; std::cin >> row >> col; Move move{row, col}; game.makeMove(move); } // 游戏结束后输出结果 Player winner = game.getWinner(); if (winner == Player::BLACK) { std::cout << "黑方获胜！" << std::endl; } else if (winner == Player::WHITE) { std::cout << "白方获胜！" << std::endl; } else { std::cout << "平局！" << std::endl; } return 0; } ``` 这段代码实现了一个简单的五子棋游戏，使用了博弈树搜索算法来判断胜负。玩家通过输入行和列来下棋，游戏会判断是否有一方获胜或者平局，并输出结果。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值