五子棋ai算法python_[深度学习]实现一个博弈型的AI，从五子棋开始（1）

好久没有写过博客了，多久，大概8年？？？最近重新把写作这事儿捡起来……最近在折腾AI，写个AI相关的给团队的小伙伴们看吧。

搞了这么多年的机器学习，从分类到聚类，从朴素贝叶斯到SVM，从神经网络到深度学习，各种神秘的项目里用了无数次，但是感觉干的各种事情离我们生活还是太远了。最近AlphaGo Zero的发布，深度学习又火了一把，小伙伴们按捺不住内心的躁动，要搞一个游戏AI，好吧，那就从规则简单、老少皆宜的五子棋开始讲起。

好了，废话就说这么多，下面进入第一讲，实现一个五子棋。

小伙伴：此处省去吐槽一万字，说好的讲深度学习，怎么开始扯实现一个五子棋程序了，大哥你不按套路出牌啊……

我：工欲善其事必先利其器，要实现五子棋的AI，连棋都没有，AI个锤子！

老罗：什么事？

……

五子棋分为有禁手和无禁手，我们先实现一个普通版本的无禁手版本作为例子，因为这个不影响我们实现一个AI。补充说明一下，无禁手黑棋必胜，经过比赛和各种研究，人们逐渐知道了这个事实就开始想办法来限制黑棋先手优势。于是出现了有禁手规则，规定黑棋不能下三三，四四和长连。但随着比赛的结果的研究的继续进行，发现其实即使是对黑棋有禁手限制，还是不能阻止黑棋开局必胜的事实，像直指开局中花月，山月，云月，溪月，寒星等，斜指开局中的名月，浦月，恒星，峡月，岚月都是黑棋必胜。于是日本人继续提出了交换和换打的思想，到了后来发展成了国际比赛中三手交换和五手二打规则，防止执黑者下出必胜开局或者在第五手下出必胜打。所以结论是，在不正规的比赛规则或者无禁手情况下，黑棋必胜是存在的。

(1)五子棋下棋逻辑实现

这里用Python来实现，因为之后的机器学习库也是Python的，方便一点。

界面和逻辑要分开，解耦合，这个是毋庸置疑的，并且之后还要训练AI，分离这是必须的。所以我们先来实现一个五子棋的逻辑。

我们先来考虑五子棋是一个15*15的棋盘，棋盘上的每一个交叉点(或格子)上一共会有3种状态：空白、黑棋、白棋，所以先建个文件 consts.py

做如下定义：

from enum importEnum

N= 15

classChessboardState(Enum):

EMPTY=0

BLACK= 1WHITE= 2

棋盘的状态，我们先用一个15*15的二维数组chessMap来表示，建一个类 gobang.py

currentI、currentJ、currentState 分别表示当前这步着棋的坐标和颜色，再定义一个get和set函数，最基本的框架就出来了，代码如下：

from enum importEnumfrom consts import *

classGoBang(object):def __init__(self):

self.__chessMap = [[ChessboardState.EMPTY for j in range(N)] for i inrange(N)]

self.__currentI = -1self.__currentJ = -1self.__currentState =ChessboardState.EMPTYdefget_chessMap(self):return self.__chessMap

defget_chessboard_state(self, i, j):return self.__chessMap[i][j]defset_chessboard_state(self, i, j, state):

self.__c