TicTacToe井字棋 by reinforcement learning

最新推荐文章于 2020-05-21 08:46:10 发布
最新推荐文章于 2020-05-21 08:46:10 发布
阅读量270 收藏
点赞数
文章标签： 人工智能 javascript python ViewUI
原文链接：http://www.cnblogs.com/heidouInBlueSky/p/5742326.html
版权

    对于初学强化学习的同学，数学公式也看不太懂， 一定希望有一些简单明了的代码实现加强对入门强化学习的直觉认识，这是一篇初级入门代码， 希望能对你们开始学习强化学习起到基本的作用.

井字棋具体玩法参考百度，这篇文字主要是用强化学习中Q-learning实现游戏过程中各个状态Q（S，a）计算， 在代码最后是一个人机对弈的过程， 电脑走第一步.

在Q-learning中， 各个Q(S,a)的计算公式如下：

     Q（S,a） = Q（S,a） + 0.1 * (reward(s,a) + 0.9 * Q（S',a'） - Q（S,a）)

reward(s,a)在电脑赢时返回1， 电脑输时返回-1， 其他时候返回0

在 计算完Q（S,a）后， 有一个人机对战代码，board = [0, 0, 0, 0, 0, 0, 0, 0, 0]，代表棋盘初始状态， 电脑会选择最大Q（s,a）走第一步， 假如电脑选择的是位置3，那棋盘就成为board = [0, 0, 0, 1, 0, 0, 0, 0, 0]，玩家也就是你随机选择一个位置，假如是位置0，在键盘输入0,棋盘变为board = [2, 0, 0, 1, 0, 0, 0, 0, 0]，继续下去，直到结束状态。

我从没赢过电脑

代码位置：https://github.com/k13795263/TicTacToe/blob/master/TicTacToe.py

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

“more support, more energy， more useful code”

赞助魔方

<script type="text/javascript" src="//ri.revolvermaps.com/0/0/6.js?i=8kcekaxofo2&amp;m=7&amp;s=320&amp;c=e63100&amp;cr1=ffffff&amp;f=arial&amp;l=0&amp;bv=90&amp;lx=-420&amp;ly=420&amp;hi=20&amp;he=7&amp;hc=a8ddff&amp;rs=80" async="async"></script>

 

转载于:https://www.cnblogs.com/heidouInBlueSky/p/5742326.html

weixin_34260991
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
井字棋游戏tictactoe.py源码分析
woshiyilitongdouzi的博客
07-12 313
井字棋游戏tictactoe.py源码分析 现在的孩子喜欢玩游戏，今后我想，这样教育孩子，先让他在地上画线，然后用石头和他玩井子棋。当他有兴趣后，再提出和电脑玩井子棋。等他下赢电脑后，或者被电脑打败后，再提问，电脑是如何下棋的，它是如何想的？顺便再教他读源码，告诉他编程。因此，今天我再谈谈这个程序的逻辑。 这个程序在书中也有解读，但我更喜欢自己去看源码。实在看不明白时，再去读作者的解释。 我喜欢从程序执行的角度来分析程序的源码。 这是一个对抗的游戏，作者是如何实现的呢？开始觉得很神奇，了解后，就觉得简单了
文本文件读取一条内容有多行情况，STX异常字符处理，pandas info信息转成可读取操作的格式，str指定位置添加字符
weixin_42357472的博客
01-10 791
1、文本文件读取一条内容有多行情况 主要是规律发现，每条数据其实总数都是39条 import glob aaaaa = glob.glob(r'C:\User*****化\归档_album\*') import csv all_datas = [] for i in aaaaa: print(i) with open(i.replace("C:",""), 'r', encoding='UTF-8') as f: raw_datas = f.readlines()
tictactoe:Q-learning 和 negamax 算法来玩 tic tac toe (naughts and crosses.)
07-03
一种使用 minimax 的 negamax 实现以最佳方式对抗人类的 tic tac toe（naughts 和 crosses）的算法。 请参阅： : 一种通过使用 Q-learning 与自己对战来学习玩井字游戏（naughts and crosses）的算法。 请参阅： :
通过简单的强化学习实现井字棋（Tic-Tac-Toe）
勿于浮沙筑高台
06-11 3286
一、强化学习简介 强化学习的过程可以理解为Agent与Environment的交互、学习、进步的过程，在井字棋中，可以简单的将其中的一方理解为Agent，另一方为Environment。交互的过程中主要有一下4个要素： 状态（state）：指可能出现的情况或局面，在井字棋中指局面上的落子情况与先后手。 操作（action）：指从一个状态（state）到另一个状态（state）的过程，在井字棋中指...
TicTacToe:井字游戏，旨在用于通过强化学习（DQN）训练深度神经网络。 它也可以由2个人玩，并具有硬编码的AI，该AI永不松动，如果您不对其进行完美的游戏，则将获胜。
03-10
深度Q学习井字游戏 该程序实现了一个PyGame TicTacToe，该游戏可以由两个人玩，一个人对一个算法AI，一个人对一个通过对付算法AI训练的神经网络。 训练算法使用Deep Mind的DQN建议： 重播经验记忆已实现，上限为250,000次 每轮训练都使用来自重播记忆库的大量随机经验 使用辅助神经网络来计算未来的Q值，然后每10场游戏用主网络的权重对其进行更新。 有关更多信息： :
Deep Reinforcement Learning Hands-On Apply modern RL methods,
02-22
This practical guide will teach you how deep learning (DL) can be used to solve complex real-world problems. Key Features Explore deep reinforcement learning (RL), from the first principles to the latest algorithms Evaluate high-profile RL methods, includ。
井字棋（tictactoe）matlab代码实现
最新发布
09-06
井字棋，也被称为“Noughts and Crosses”或“Xs and Os”，是一种简单但策略性十足的两人对弈游戏。在MATLAB中实现井字棋，可以通过编程逻辑来模拟游戏流程，包括游戏界面的创建、玩家的回合交替、胜负判断以及智能...
java联机井字棋 tictactoe （佐助鸣人图形界面）
12-08
在这个项目中，我们将探讨如何利用Java实现一个联机版的井字棋游戏，即"Tictactoe"，并且融入了卡通风的图形设计，让玩家体验更佳。 首先，我们来理解井字棋的基本规则。井字棋，又称为“三子连珠”，是一种简单的...
python GUI井字棋
07-20
例如，一个井字棋游戏可能会有一个`TicTacToe`类，包含棋盘状态、当前玩家、游戏结束条件等功能。 AI算法在这类游戏中通常较为简单，因为井字棋是一个具有完美信息的零和游戏，也就是说，如果双方都完美地玩游戏，...
1_井字棋小游戏_
09-30
【井字棋小游戏】是一种经典的两人对弈游戏，也被称为“三子连珠”或“XO游戏”。在这个项目中，我们看到它被实现为一个使用C++编程语言开发的Visual Studio应用程序。C++是一种强大的、面向对象的编程语言，广泛...
tictactoe:玩井字游戏的几种 AI 算法
06-17
井字游戏 玩井字游戏的几个 AI 算法。 你也可以玩！ 部分： 存储库内容 算法在播放器文件夹中实现，您将在此处找到： MinimaxPlayer ：流行的，它基本上是对树的系统探索，其节点是游戏状态，节点的孩子是通过执行有效移动可以从那里到达的所有状态。 这基本上是完美的对手，因为它永远不会输掉一场比赛。 QLearningPlayer ：这个玩家能够通过经验学习，最初它执行随机移动，但随着它玩越来越多的游戏，它会学习并成为一个非常强大的对手。 所使用的算法被称为因为它基于一个函数，该函数可以告诉我们在特定游戏状态下移动质量。 FastQLearningPlayer ：通过利用游戏状态中的模拟，该玩家能够比“普通”Q-learning 实现更快地学习如何玩井字游戏。 人类玩家：这就是你！ 这个玩家实现了人类有史以来最成功的学习算法之一，或者是吗？ 证明你的技能并挑战其他玩家:)
基于强化学习的井字棋
02-23
语言是用python，窗体基于tkinter，算法基于强化学习，采用最简单的qLearing 基本思想参考博客https://blog.csdn.net/JerryLife/article/details/81385766 注释编码是gbk，若编码乱码，注意更改编码格式
Reinforcement Learning: An Introduction(Second Edition)第一章TicTacToe例子Qt程序
03-16
Sutton的Reinforcement Learning: An Introduction(Second Edition)第一章TicTacToe例子的Qt程序，利用了基本的RL算法。
井字棋TicTacToe小游戏
06-12
井字棋TicTacToe小游戏
强化学习TicTacToe实例
xdy1120的博客
11-12 937
####################################################################### # Copyright (C) # # 2016 - 2018 Shangtong Zhang(zhangshangtong.cpp@gmail.c...
TicTacToe（井字棋）的算法——不比人的智商低的AI
runfeel
03-28 2463
何为TicTacToe？ TicTacToe也俗称井字棋或三连棋(两人轮流在一有九格方盘上划加字或圆圈, 谁先把三个同一记号排成横线、直线、斜线, 即是胜者)，男女老少皆宜的入门级棋类游戏。 关于游戏的实现方式，比较简单，在这就不多说了。直接谈一谈如何写出在TicTacToe游戏中不输给人类棋手的电脑。 想要写出游戏AI，第一步是自己要会玩游戏，有自己的策略。第二部才是告诉我们的A...
Python手写强化学习Q-learning算法玩井字棋
deephub
05-21 7839
Q-learning 是强化学习中的一种常见的算法，近年来由于深度学习革命而取得了很大的成功。本教程不会解释什么是深度 Q-learning，但我们将通过 Q-learning 算法来使得代理学习如何玩 tic-tac-toe 游戏。尽管它很简单，但我们将看到它能产生非常好的效果。 要理解本教程，不必有任何关于强化学习的知识，但最好有一定的微积分和线性代数基础。首先，我们将通过一些必要的背景知识来快速了解强化学习，然后我们将介绍 Q-learning 算法，最后我们将介绍如何通过它来使得一个代理学会玩 ti
Alpha Zero 趣味学习：TicTacToe
lawme的专栏
09-05 601
Alpha Zero 趣味学习：TicTacToe 深度学习风行天下的起始，是围棋软件 AlphaGo 的成功。 从游戏软件开发中学习 deep learning，可以适当避开深度学习理论的繁难晦涩、枯燥乏味，值得一试。 AlphaGo 有着名垂青史的赫赫功绩，但也有其难免的弱点。它的学习方法属于有监督学习，需要海量标注数据，不仅使得开发成本居高，并且学习者难有充足数据可用。 AlphaG...
井字棋java代码_JAVA 井字棋
06-07
好的，以下是一个简单的井字棋 Java 代码示例： ```java import java.util.Scanner; public class TicTacToe { private char[][] board; // 棋盘 private char currentPlayer; // 当前玩家 public TicTacToe() { board = new char[3][3]; currentPlayer = 'X'; initializeBoard(); } // 初始化棋盘 public void initializeBoard() { for (int i = 0; i < 3; i++) { for (int j = 0; j < 3; j++) { board[i][j] = '-'; } } } // 打印棋盘 public void printBoard() { System.out.println("-------------"); for (int i = 0; i < 3; i++) { System.out.print("| "); for (int j = 0; j < 3; j++) { System.out.print(board[i][j] + " | "); } System.out.println(); System.out.println("-------------"); } } // 切换玩家 public void changePlayer() { currentPlayer = (currentPlayer == 'X') ? 'O' : 'X'; } // 检查是否已经有人胜利 public boolean checkForWin() { return (checkRowsForWin() || checkColumnsForWin() || checkDiagonalsForWin()); } // 检查行是否有胜利者 public boolean checkRowsForWin() { for (int i = 0; i < 3; i++) { if (checkRowCol(board[i][0], board[i][1], board[i][2])) { return true; } } return false; } // 检查列是否有胜利者 public boolean checkColumnsForWin() { for (int i = 0; i < 3; i++) { if (checkRowCol(board[0][i], board[1][i], board[2][i])) { return true; } } return false; } // 检查对角线是否有胜利者 public boolean checkDiagonalsForWin() { return (checkRowCol(board[0][0], board[1][1], board[2][2]) || checkRowCol(board[0][2], board[1][1], board[2][0])); } // 检查行或列是否有连续三个相同的字符 public boolean checkRowCol(char c1, char c2, char c3) { return ((c1 != '-') && (c1 == c2) && (c2 == c3)); } // 下棋 public void placeMark(int row, int col) { if ((row >= 0) && (row < 3) && (col >= 0) && (col < 3)) { if (board[row][col] == '-') { board[row][col] = currentPlayer; } } } // 运行游戏 public void play() { Scanner scanner = new Scanner(System.in); boolean gameOver = false; System.out.println("Let's play Tic Tac Toe!"); while (!gameOver) { System.out.println("Player " + currentPlayer + ", enter a row (0, 1, or 2): "); int row = scanner.nextInt(); System.out.println("Player " + currentPlayer + ", enter a column (0, 1, or 2): "); int col = scanner.nextInt(); placeMark(row, col); printBoard(); if (checkForWin()) { System.out.println("Congratulations! Player " + currentPlayer + " wins!"); gameOver = true; } else if (boardFull()) { System.out.println("Game over! It's a tie!"); gameOver = true; } else { changePlayer(); } } } // 检查棋盘是否已满 public boolean boardFull() { boolean full = true; for (int i = 0; i < 3; i++) { for (int j = 0; j < 3; j++) { if (board[i][j] == '-') { full = false; } } } return full; } public static void main(String[] args) { TicTacToe game = new TicTacToe(); game.play(); } } ``` 这个示例中，我们创建了一个 `TicTacToe` 类，表示一个井字棋游戏。在 `TicTacToe` 类中，我们定义了一些方法，如 `initializeBoard` 方法用于初始化棋盘，`printBoard` 方法用于打印棋盘，`changePlayer` 方法用于切换玩家，`checkForWin` 方法用于检查是否已经有人胜利等等。我们还在 `main` 方法中创建了一个 `TicTacToe` 对象并调用了 `play` 方法来运行游戏。 在游戏运行过程中，我们使用 `Scanner` 类来读取玩家的输入。玩家在每轮中输入一个行号和列号，程序会根据这个输入来下棋。程序会在每轮结束时检查是否有人胜利或棋盘已满，如果有人胜利或棋盘已满，游戏结束。如果没有人胜利或棋盘未满，程序会切换到下一个玩家并进行下一轮游戏。
评论
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