一字棋游戏c语言_如何用AI设计一款棋类游戏？

极大极小树作为传统AI领域的一个传统又经典的算法，有着广泛的应用，尤其是棋类AI。记得刚学C语言的时候，用控制台写了一个五子棋的程序。后来突发奇想，给它增加可以人机对战的AI，设计了一个简单的根据当前局面判断最优落子的AI。但是只能想到两手棋。为了提高AI的智商，学习了博弈树这个数据结构，现在给大家分享一下。

本文拿棋类游戏的AI设计作为背景，详细介绍AI的设计过程，引入一种叫做博弈树的数据结构，以及α-β剪枝在博弈树上面的应用。

博弈树主要应用在涉及双方互相博弈、对抗的游戏中，换言之就是『你死我活』的游戏中。既然在游戏AI里面应用广泛，接下来我们结合具体游戏来介绍。

1

极大极小树(Min-Max Tree)

首先介绍一个基本的数据结构，叫做极大极小树(Min-Max Tree)。

在设计对抗AI的游戏过程中，通常假设双方都是智商顶级的高手。因此，默认敌我双方都能够根据当前的局面，做出对自己一方最有利的决策。

然而，博弈通常是双方对抗，甚至是零和的博弈。也就是说，对对方最有利的决策，反过来就是对我方最不利的局面。

在轮到我们做出决策的时候，我们通常希望最大化我们的收益，叫做极大层，此时树的节点叫做极大层节点；在对手做决策的时候，对手希望最小化我们的收益，叫做极小层，此时树的节点叫做极小层节点。由于双方是交替做出决策，因此极大层、极小层通常是交替出现，这样的数据结构就叫做极大极小树(Min-Max Tree)。

假设我们已经有一个评价每种决策的收益的估值函数。对于极大层节点，如果我们知道了它的每一步决策的收益值，那么它总是会选择收益最大的那个决策，作为它的节点的收益值；反过来，对于极小层节点，它总是会选择收益最小的(对我方收益最小，就是对方收益最大)那个决策。

举个最简单的例子，分硬币游戏。

游戏规则是：一堆硬币，双方轮流将它分成大小不能相等的两堆，然后下一个人挑选任意一堆继续分下去，双方交替游戏，直到其中一个人无法继续分下去，则对方获得胜利。

假设我们刚开始有一堆7枚硬币，轮到我方先分。我需要找到当前应该怎么样分这堆硬币。能使我方利益最大化。这就需要构造出一棵极大极小树了。

首先，我们穷举所有的可能的状态。用矩形代表轮到我方做决策的极大层节点，用圆形代表轮到对方做决策的极小层节点，列举出所有的状态：

注意，到这里我们还没有进行估值 ，因此这还不算是极大极小树。下面我们来设计这个游戏的估值函数，很简单，如果当前局面，我们已经赢了，那么收益为+1，如果我们输掉了，那么收益为-1，这个游戏没有平局，所以只可能有这两种收益值。

刚开始估值的时候，我们还位于根节点，我们对于整棵树是一无所知的，就像下面这样：

我们想要获得根节点的估值，需要对根节点的子节点进行遍历，首先对第一个子节点进行遍历，发现还是不能判断它的值，继续遍历(深度优先)它的子节点，直到到达叶子节点：

到了叶子节点，我们可以对它进行估值了，因为此时是极小层，需要对手进行决策，但是对手已经无法再继续分下去了。所以，它的收益值为+1：

这样获得了第一个叶子节点的估值，由于它的父节点只有唯一一个子节点，因此父节点的收益值也只能是+1，然后可以一直回溯上去，直到到达红色的节点：

此时，我们不能直接给红色节点赋值了，因为它还有别的子节点，我们继续遍历它的子节点：

遍历到又一个叶子节点，发现它的收益是-1(我方失败)，再回溯回去：

现在我们又回到了红色节点，现在它的所有子节点的收益值都已经获得了。注意，这个节点是一个极大层节点。我们说过，极大层节点总是会选择收益最大的子节点，它的子节点一个是+1一个是-1，因此，它的值应该是最大的那个+1。我们继续按照深度优先的顺序遍历：

到这里，当前红色的节点是一个极小层节点，它总是选择收益最小的决策，因此它的收益值是-1。 接下来，我们继续按照这个思路进行遍历，中间的过程我就省略了，最后的结果如下所示：

到这里，我们的极大极小树已经构建完成了。

我们发现，当前的根节点的收益值居然是-1，也就是说，只要对方够聪明，我们无论如何都无法取胜。

这就很绝望了，但是仔细想想，我们假设的前提是，对方是聪明绝顶，不犯错误的高手。

我们知道无论如何都会失败，那可不可以赌对方会犯错呢。

这样一想，其实3种必败的决策还是有一定的优劣性的。比如，最右边那个子节点，它的所有子树跟子树的子树收益都是-1，也就是说，对方就算乱下，我们都必输；而中间跟左边那个子节点，如果对手下错了，还有一一定几率能够通往+1的叶子节点的。

因此，左边两个决策要比最右边的决策要相对好那么一点儿。在发现我们已经必败的时候，依然能够在决策中做一个取舍，选择败得不明显的那种决策。

对于分硬币这样相对简单的游戏，极大树极小树还是能够用得上的。但是它必须得穷举出所有的状态。再从终结状态开始，计算每个节点的估值，最后才能获得当前最优的决策。

2

评价函数(Evaluation function)

绝大部分的游戏，决策空间都相当庞大。即使是最简单的三子棋(又叫做“井”字棋，一字棋)。它的第一步有9种决策，然后对面有9*8=72种决策，....，最后一层的决策个数达到了 9! = 362880 种。

如此简单的游戏，在不做特殊处理的时候，都有几十万种决策(当然这个量级计算机还是能够hold住的)。它的棋盘大小仅仅是3 X 3，五子棋是15 X 15，围棋是19 X 19，想要穷举出所有决策，几乎是不可能的。

因此，我们不能每次都穷举出所有的结果，再去慢慢找最优决策。随着树的深度增加，我们的节点个数是指数级上升的。

我们不得不搜索到一定程度，就停止继续往下搜索。当我们停下来以后，这个时候，由于我们游戏还没有结束，我们如何判断当前的结果的好坏？

我们需要设计一个评价函数(Evaluation function)对于当前局面进行评分。这个评价函数如何设计？主要是根据不同的游戏，还有人类的日常经验来判断。

我当时设计五子棋AI的时候，就人为设计了一个评价当前局面的分数的函数。比如已经有5个子连成一线了，它就是最高分；如果有4个子连成一线，它就是次高分；还有双3......

这样就能根据局面，获得一个得分。当然，当对面调用这个评价函数的时候，获得的分数前面要取一个负号。因为对手的最高分，就是我们的最低分。

3

博弈树 与 α-β剪枝

有了评价函数，我们就可以随时终止我们的搜索了。因为对于任何局面，我们都能够给出一个收益得分，可以限定我们搜索的深度，随时结束搜索。

但是我们的搜索空间仍然非常庞大。因为最开始的几层，可做的决策是相当多的。

比如五子棋，第一步就有225种下法。而对手对应就有225*224=50,400种决策；再往下一层，就有225*224*223=11,239,200种。这才第三层，就已经快爆炸了。

一般五子棋的高手都能想到后面五六步，甚至十几步。想要与之对抗，我们必须得想办法减少我们的搜索数量，增加我们的搜索深度，这样我们的AI才能看得更远的未来，想得更多，这样棋力才会变强。

这里，我们用到了强大的α-β剪枝技术。它的思路就是，减少所有没有必要的搜索，及时终止，从而节省算力，同时又不能漏过所有可能的最优解。下面来详细介绍一下：

我们先来理解一下，怎么样的搜索是没有必要的，假设我们限定了搜索深度为3，我们从头开始搜索，如下：

我们从根节点往下搜，直到第一个叶子节点：

此时，到达了第一个深度为3的节点，此时我们调用估值函数，假设我们获得它的收益为3，现在我们回头来看它的父节点：

由于，这个父亲节点是MIN节点，我们知道，它总是会选择子节点中最小值。现在，子节点已经出现了一个值为3。

现在仔细想想，如果我们继续获得它的子节点的收益，为一个比3要大的值，假设为12好了。那么当前的父节点，必然不会选择这个12，而会去选择3。因此，这个父亲节点的收益，无论如何，都不会超过3，那么它的取值范围，我们可以认为是：(-∞，3]。也就是说，我们的子节点，其实更新了它的父节点的收益的一个上界值，如图：

到这里，我们其实并没有进行剪枝，只是找到了一个父节点的上界值(β值)，我们还是得继续搜索它的子节点：

假如我们搜索到了12，我们依然试图更新父节点的上界值(β值)，但是因为比3要大，更新失败了，继续搜索下一个，直到搜索完所有的当然父节点的所有子节点：

当它所有的子节点都被搜索完以后，我们其实可以知道当前节点的收益就是3了。这个时候我们可以修改它的下界为3，收益为3。

注意这个时候，其实跟之前的极大极小树的搜索过程没有区别，我们并没有进行任何的剪枝。接下来继续搜索：

我们确定了当前节点收益为3，再去看它的父节点，即根节点。根节点原本的收益值范围是(-∞，+∞)。现在我们找到了一个子节点收益是3。

根节点是一个MAX节点，跟之前相反，子节点的收益值3，可以用来更新的是根节点的下界(α值)。至于为什么，可以类比一下之前的。我们现在已经有搜索到一个3，如果我们以后搜索到比3小的值，那么根节点在取最大值的时候，肯定会选择更大的3，而不是其他值。因此最优解的下界就是3，不会再更小了。

我们带着根节点的取值区间[3, +∞)继续往下搜索，把这个区间赋给下一个子节点：

往下继续深度优先遍历，访问它的第一个子节点。此时到达设定的深度3，我们调用评价函数，假设评价函数返回值为2：

注意，重点来了。

我们知道，当前子节点是一个收益为2的MAX节点。MAX节点可以更新父节点的上界。因此，父亲节点的上界，被修改成了2。 这里就出现了一个矛盾的区间[3,2]，如下图：

观察当前的节点，它的收益值的取值区间是[3,2]。这明显是不合理的，收益不可能下界是3，同时上界又是2。我们可以做出判断，这个节点无论如何都不可能是最优解。

由于这个区间已经产生了矛盾，我们可以直接给当前节点判死刑，跳过剩下所有的子节点了：

上面的操作叫做α-β剪枝。

你可以仔细想一想。总之，收益值的可行区间一旦变成矛盾的，说明当前节点必然不会是获得最优的决策，那么我们可以直接跳过这个节点，不管它还有多少个子节点没有被搜索。

由于及时的剪枝操作，我们大大地减少了需要搜索的节点数量，节省下来的算力就能进行更多更深层次的搜索。

这就是传说中的博弈树跟α-β剪枝的原理了。

下面给出实现的伪代码：

互动留言

可以跟我们分享一个博弈论在生活中的应用吗？

本文作者折射，知乎专栏：机器学习与数据挖掘

https://zhuanlan.zhihu.com/c_1024970634371186688

听说你正【在看】