开发工具
Python版本:3.6.4
相关模块:
graphics模块。
环境搭建
安装Python并添加到环境变量即可。
注:
graphics模块在相关文件中已经提供,就是一个py文件,直接放在当前路径或者放到python安装文件夹下的site-packages文件夹内均可。
原理简介
对于五子棋这样的博弈类AI,很自然的想法就是让计算机把当前所有可能的情况都尝试一遍,找到最优的落子点。这里有两个问题:
(1)如何把所有可能的情况都尝试一遍;
(2)如何定量判断某落子点的优劣。
对于第一个问题,其实就是所谓的博弈树搜索,对于第二个问题,其实就是所谓的选择评估函数。评估函数的选取直接决定了AI算法的优劣,其形式也千变万化。可以说,每个评估函数就是一个选手,对不同的棋型每个选手自然有不同的看法和应对措施,当然他们的棋力也就因此各不相同了。
但博弈树搜索就比较固定了,其核心思想无非是让计算机考虑当前局势下之后N步所有可能的情况,其中奇数步(因为现在轮到AI下)要让AI方的得分最大,偶数步要让AI方的得分最小(因为对手也就是人类,也可以选择最优策略)。
当然这样的搜索其计算量是极大的,这时候就需要剪枝来减少计算量。例如下图:
其中A代表AI方,P代表人类方。AI方搜索最大值,人类方搜索最小值。因此Layer3的A1向下搜索的最终结果为4,Layer3的A2向下搜索,先搜索Layer4的P3,获得的分值为6,考虑到Layer2的P1向下搜索时取Layer3的A1和A2中的较小值,而Layer3的A2搜索完Layer4的P3时,其值就已经必大于Layer3的A1了,就没有搜索下去的必要了,因此Layer3到**Layer4的路径3就可以剪掉了**。
上述搜索策略其实质就是:
minimax算法+alpha-beta剪枝算法。
了解了上述原理之后,就可以自己写代码实现了。当然实际实现过程中,我做了一些简化,但万变不离其宗,其核心思想都是一样的。
具体实现过程详见相关文件中的源代码。
文章来源: blog.51cto.com,作者:他说Python,版权归原作者所有,如需转载,请联系作者。
原文链接:blog.51cto.com/15010956/2555717