[选题与需求分析]-基于人工智能博弈树，极大极小(Minimax)搜索算法并使用Alpha-Beta剪枝算法优化实现的可人机博弈的AI智能五子棋游戏。

已于 2023-01-06 16:15:07 修改
阅读量684 收藏 4
点赞数 1
分类专栏： 人工智能项目实战-【AI智能五子棋项目的开发】 文章标签： html 前端
于 2023-01-04 22:49:07 首次发布
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/weixin_51989356/article/details/128553675
版权

 ⬜⬜⬜ 🐰🟧🟨🟩🟦🟪 (*^▽^*)欢迎光临 🟧🟨🟩🟦🟪🐰⬜⬜⬜

✏️write in front✏️
📝个人主页：陈丹宇jmu
🎁欢迎各位→点赞👍 + 收藏⭐️ + 留言📝​
🙉联系作者🙈by QQ：813942269🐧
🌈致亲爱的读者：很高兴你能看到我的文章，希望我的文章可以帮助到你，祝万事顺意🏳️‍🌈
✉️少年不惧岁月长，彼方尚有荣光在 🏆

[专栏链接]人工智能项目实战-【AI智能五子棋项目的开发】icon-default.png?t=MBR7https://blog.csdn.net/weixin_51989356/category_12160426.html?spm=1001.2014.3001.5482

⬜⬜⬜ ---🟧🟨🟩🟦🟪🟧🟨🟩🟦🟪---⬜⬜⬜

 📋笔记目录

🚩本篇主要内容

📒一. 个人项目选题

📒二. 研究的背景及意义

⏳2.1. 研究的背景 

⏳2.2. 研究的意义

⏳2.3. 实例练习的基本目标

📒三. 需求分析

⏳3.1. 实例总体需求分析

⏳3.2. 实例可行性分析

📍3.2.1. 技术可行性分析

📍3.2.2. 技术可行性分析

📍3.2.3. 操作可行性分析

⏳3.3. 实例功能分析

📒四. 开发项目原型设计图

⏳4.1. 程序开发模块

​⏳4.2. 实例运行流程图

⏳4.3. 实例界面的绘制

 🚩章节小结

🚩本篇主要内容

这个系列的博客带来的是基于人工智能博弈树，极大极小(Minimax)搜索算法并使用Alpha-Beta剪枝算法优化实现的可人机博弈的AI智能五子棋游戏。

📒一. 个人项目选题

基于人工智能博弈树，极大极小(Minimax)搜索算法并使用Alpha-Beta剪枝算法优化实现的可人机博弈的AI智能五子棋游戏。


关键词：博弈树，启发式搜索，Minimax搜索算法，α-β 剪枝算法，评价函数。

📒二. 研究的背景及意义

⏳2.1. 研究的背景 

游戏软件是当今世界发展速度最快且最有影响力和最有潜力与活力的领域之一，更重要的是游戏软件深深地被广大年轻人所喜爱。在如今日趋于快节奏的社会，人们往往有在一定时间内能够放松身心，适时休闲，或进行一些社交性活动的需求。而通过游戏软件能在很大程度上满足上述的需求，并给予很多人精神上的娱乐和享受。

五子棋游戏作为诞生在中国的本土棋类游戏，其拥有悠久的历史并广为人知，更是吸引着不同年龄段的每一个人,无论男女老少,他们都可以玩，也都喜欢玩。当前随着微型计算机的广泛应用,人们逐渐可以将五子棋的游戏以游戏软件的形式载入到微型计算机内，借助软件程序使这类游戏在广大人群中流行起来，通过这种方式可以极大满足人们对于休闲娱乐，社交生活，锻炼思维的需求，并且用电脑来下五子棋也是一种既时尚大气又高效便捷的呈现方式。

⏳2.2. 研究的意义

五子棋是起源于中国古代的传统黑白棋种，当今社会在不同的地域对五子棋也有不同的称呼,其也是一种必须动用脑力的益智类游戏，所以五子棋可以增强思维能力，提高智力。其中蕴含古典哲学的高深学问“阴阳易理”哲理，有利于修身养性，它因为简单易学的特点，所以为人民群众所喜爱，并且作为一项高水平的国际比赛，它也有深奥技巧。

2017年第15届世界五子棋锦标赛在我国的举办，极大地提高了棋牌类项目的影响力。第一届全国智力运动会将五子棋纳入正式比赛项目，使得五子棋的发展重新面临着良好的发展机遇。在网络信息时代的背景下，网络媒体和自媒体公众平台等为五子棋的发展提供多元化渠道。我们必须坚持科学发展观，统筹规划，着力解决发展中的矛盾和突出问题，抓住机遇，不断创新，为五子棋的健康持续发展而不辱使命。

⏳2.3. 实例练习的基本目标

本系统是根据传统五子棋游戏的功能编写，其功能实现了基于AI人工智能算法实现智能的人机对弈五子棋。主要需实现如下目标：

（1）Python 3.6.8环境的下的Python语言编程

（2）五子棋棋盘的设计

（3）五子棋棋子的设计

（4）电脑智能落子的实现

（5）棋局进行时的退出功能

（6）棋局胜负的判定

（7）人工智能算法的设计

（8）人工智能算法的优化

📒三. 需求分析

⏳3.1. 实例总体需求分析

五子棋游戏是一款很符合现代人的休闲特点的益智类游戏，其是我国古代围棋的的衍生物，本系统主要实现基于AI智能算法的人机对战游戏。

人机对战模式实现的功能：选择人机对战，设置先手，实现玩家与电脑轮流落子，棋盘动态信息显示，判断输赢，重新开始游戏。

⏳3.2. 实例可行性分析

📍3.2.1. 技术可行性分析

计算机硬件和软件技术的飞速发展，为游戏系统的开发提供了设备条件。当前在网络上有许多的五子棋软件可供参考借鉴，而且我自己也熟练地掌握了Python语言在PyCharm 2022.2.3.0环境下的基本应用，因此本游戏的开发技术上是完全可行的。

📍3.2.2. 技术可行性分析

该游戏适用于所有人群，开发该游戏的费用主要包括开发阶段的费用以及今后的运行、维护费用。五子棋游戏简单易学，为人民群众喜闻乐见。该游戏功能强大，界面简单，用户在使用方面不存在任何障碍。其开发具有很强的经济性。

📍3.2.3. 操作可行性分析

本游戏适用于 Windows 操作系统之上 , 对于该游戏的推广使用提供了很好的平台。该游戏使用Python语言编写具有很强的移植性，使其可以运行很方便。在操作上主要凭借使用 Windows键盘操作，方便简单。使用前只要对用户进行简单的说明即可。

⏳3.3. 实例功能分析

如图3.3.1所示为程序设计功能图。

图3.3.1 程序设计功能图。

🟧视图界面模块主要实现用户使用软件时的界面呈现，包括棋盘，棋子的绘制，游戏交互信息和弹窗提示信息等。

🟨规则判定模块主要实现人机对弈时的裁判角色，判定游戏的规则以及游戏的输赢判定。

🟩 AI智能算法主要实现电脑对于当前棋局的分析，分析棋局情况，实现电脑智能判定最优落子的位置，做出像棋手一样的进攻，防守的落子目的。

🟦功能部件模块主要实现程序的兼容性问题，以及理 清各个功能模块在整个程序的逻辑关系，是程序可以正常运行的保障。

📒四. 开发项目原型设计图

⏳4.1. 程序开发模块

​⏳4.2. 实例运行流程图

⏳4.3. 实例界面的绘制

🟨🟩🟦我是陈丹宇jum,我也在一直努力提升自己，欢迎大家给我留言，批评指正。

陈丹宇jmu
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
python实现AI五子棋
04-14
这是我写的一个基于神经网络的五子棋程序，用python3写的，需要配置tensorflow才能使用
用C ++ 编码的井字游戏使用极小极大算法和 alpha-beta 剪枝
06-08
用 C++ 编码的井字游戏使用极小极大算法和 alpha-beta 剪枝 这个游戏是用基本的 C++ 编写的，没有任何 STL。这是一个单人游戏。CPU使用minimax播放它的动作。它还具有 alpha-beta 剪枝概念，以提高 CPU 的处理效率
剪枝算法的五子棋C++程序
03-24
使用C++编写的五子棋程序，算法用的是alpha-beta剪枝，用MFC的框架
Alphaαβ剪枝算法 实现井字棋人工智能作业
11-24
人工智能作业αβ阿尔法贝塔剪枝极大极小算法实现井字棋，人机对战，控制台程序，可以直接运行，非常好用，可以下载参考学习
Tic-Tac-Toe-AI:使用极大极小和 alpha-beta 剪枝算法找到井字游戏的赢家
06-12
井字游戏-人工智能 概要 该项目旨在通过使用 minimax 和 alpha-beta 剪枝算法找到井字游戏的获胜者来展示人工智能技术。 代码示例 在代码上运行 java 编译器java TicTacToeAI OXX___O__ 示例输出 ` 初始板：OXX ___ O__ Game Result:-1 Moves considered without alpha-beta pruning: 92 Game Result:-1 Moves considered with alpha-beta pruning: 22 Alpha cuts: 10 Beta cuts: 8 ` 安装 将存储库下载到本地目录 构建java文件javac TicTacToeAI 程序现在可以运行了 动机 创建这个项目是为了快速试验人工智能技术，如极小极大和 alpha-beta 剪枝算法。 贡献者 执照
Python+PyQt5实现五子棋游戏（人机博弈+深搜+α-β剪枝）
sgsx11的博客
12-01 5628
Python+PyQt5实现五子棋游戏（人机博弈+深搜+α-β剪枝） 一、问题描述 1、五子棋 五子棋是全国智力运动会竞技项目之一，是一种两人对弈的纯策略型棋类游戏。 五子棋的棋具与围棋通用，是一种传统的棋种，有两种玩法。 一种是双方分别使用黑白两色的棋子，下在棋盘直线与横线的交叉点上，先形成五子连线者获胜。还有一种是自己形成五子连线就替换对方任意一枚棋子。被替换的棋子可以和对方交换棋子。最后以先出完所有棋子的一方为胜。 2、什么是Agent？ Agent的概念——1977年Carl Hewitt “Vie
C++实现的基于αβ剪枝算法五子棋设计
毕业作品网站
07-03 3393
简介五子棋是世界智力运动会竞技项目之一，是一种两人对弈的纯策略型棋类游戏，是世界智力运动会竞技项目之一，通常双方分别使用黑白两色的棋子，下在棋盘直线与横线的交叉点上，先形成5子连线者获胜。五子棋规则五子棋有多种规则，分为：原始规则、无禁类规则、有禁类规则；其中无禁类规则又有Standard Gomoku规则、Gomoku-Pro 规则、Swap规则、Swap2规则等。本次五子棋采用原始规则：行棋：黑子先行，一人轮流一著下于棋盘空点处。胜负：先把五枚或以上己棋相连成任何横纵斜方向为胜。（长连仍算胜利）
Python 五子棋AI实现(3):极大极小值搜索和alpha beta剪枝
热门推荐
marble_xu的博客
06-03 2万+
python 五子棋AI实现（3）：alpha beta剪枝和启发式评估alpha beta剪枝算法启发式评估代码实现完整代码 alpha beta剪枝算法 启发式评估 代码实现 完整代码
五子棋ai：极大极小搜索和α-β剪枝算法的思想和实现(qt和c++)（二）贪心算法和评估函数
livingsu的博客
02-27 1万+
我查找了大量的网上资料，结合自己编程实践，走了很多弯路，总结了一些关于五子棋ai的经验以供大家参考借鉴。 一、贪心算法（相当于ai只思考一步的情况） 对于五子棋ai，大部分人想到的是做一个评估函数。这里的评估函数网上大概有两种，但是很多人会弄混淆。 第一种我称为K函数（只是一个代号，与第二种相区别），是对一个可走的空位子进行打分，如果ai白子落在这个空位置的分数越高，说明这个位置就越好，每次ai走...
基于PyQt5的五子棋编程（人机对弈）
钟鸣的博客
12-23 9631
这篇博客主要是为了学习Python和PyQt，因为对棋类游戏比较热衷，所以从规则较简单的五子棋入手，利用PyQt5实现图形界面，做一个可以进行人机对弈的脚本，最后打包成应用程序。AI的算法打算用神经网络来完成，正在苦学TensorFlow中。本来我以为五子棋规则很简单，不就像小学时候玩的那样，五个棋子连在一起就赢了嘛，但是后来发现事情并没有那么简单，现在的五子棋有禁手这个规则 ，“三三禁手” 、“四
基于α-β剪枝（Alpha-beta-pruning）的极小极大算法实现的井字棋游戏源码+项目说明.zip
02-28
1、该资源内项目代码经过严格调试，下载即用确保可以运行！ 2、该资源适合计算机相关专业(如计科、人工智能、大数据、数学、电子信息等)正在做课程设计、期末大作业和毕设项目的学生、或者相关技术学习者作为学习资料参考使用。 3、该资源包括全部源码，需要具备一定基础才能看懂并调试代码。 1、该资源内项目代码经过严格调试，下载即用确保可以运行！ 2、该资源适合计算机相关专业(如计科、人工智能、大数据、数学、电子信息等)正在做课程设计、期末大作业和毕设项目的学生、或者相关技术学习者作为学习资料参考使用。 3、该资源包括全部源码，需要具备一定基础才能看懂并调试代码。 基于α-β剪枝（Alpha-beta-pruning）的极小极大算法（Minimax-algorithm）实现的井字棋（一字棋、tic-tac-toe）游戏源码+项目说明.zip
C++使用MFC基于Minimax算法和α-β剪枝的五子棋AI（带图形界面）
02-19
这里只给出了源代码，没有解决方案文件，大家可以自行组装。VS2022编译通过。博弈树最大搜索深度目前是4层（代码中因为序号从0开始，所以是3，其实还是4层这，已经是上限了）。
【无标题】
rrssjj的博客
12-08 40
Pygame库：Pygame是一个Python模块，用于编写2D游戏和多媒体应用程序。你可以使用Pygame库来创建五子棋游戏的图形化界面，实现棋盘、棋子、音效等元素的显示和交互。2. Minimax算法：Minimax算法是一种常用的博弈树搜索算法，用于找到最优解决方案。在五子棋游戏中，你可以使用Minimax算法来实现AI玩家的决策，即让AI玩家考虑自己的最优策略以及对手的最劣策略，从而选择最佳的下棋位置。`提示：以下是本篇文章正文内容。
五子棋ai：极大极小搜索和α-β剪枝算法的思想和实现(qt和c++)（三）极大极小搜索和α-β剪枝算法
livingsu的博客
02-27 1万+
现在我们来到了五子棋ai的核心环节：极大极小搜索和α-β剪枝算法。这两个东西听上去挺高大上，但我实际中去实现之后才发现，原来也就是那么回事。 一、极大极小搜索 什么是极大极小搜索？我首先要介绍博弈树的概念。博弈树就是己方和敌方进行决策时形成的树状结构，每一个节点的分支表示当前节点可以走的各种可能的位置，每一个叶结点表示一个局面。比如说，从空棋盘开始（根节点），我进行落子，我有1515=255种落子...
五子棋ai：极大极小搜索和α-β剪枝算法的思想和实现(qt和c++)（一）引言和界面设计
livingsu的博客
02-27 9735
引言 alphaGo击败围棋冠军李世石的新闻让我对棋类博弈产生了浓厚的兴趣，无奈本人不会围棋，但算是一个五子棋业余爱好者，于是乎希望通过实现一个五子棋ai来了解相关算法和知识。 五子棋在英文中又称Gobang，five-in-row，还有两个称呼：gomoku和renju（连珠）。我来简要介绍一下区别。由于五子棋已经被机器严格证明了是一种**“不公平”的游戏，先手黑子是绝对占优的，并且先手有必胜*...
QT五子棋项目详解之四：AI人机对战max-min极大极小值博弈算法
weixin_39788534的博客
03-09 5465
不考虑博弈的算法怎么能算是AI呢？max-min极大极小值算法就是考虑了博弈的算法。来看一个简单的例子在这个棋局中，电脑为白旗，白旗走哪一步更好呢，也许使用策略表会告诉你，应该冲4，但是冲4后，玩家就会连成4。这就是考虑了博弈之后，这一步棋就是败局。这就是为什么有max-min算法。也理所当然应该这样。现在我们考虑两层的情况：这一步，应该电脑走了，电脑现在有3种走法，A,B,C 。当电脑走A后，玩...
基于python的AI五子棋实现（极大极小值搜索和alpha beta剪枝）
haosen
05-27 7307
1.极大极小值搜索介绍 人机博弈是人工智能的重要分支，人们在这一领域探索的过程中产生了大量的研究成果，而极小化极大算法(minimax)是其中最基础的算法，它由Shannon在1950年正式提出。 Minimax算法 又名极小化极大算法，是一种找出失败的最大可能性中的最小值的算法（即最小化对手的最大得益）。通常以递归形式来实现。极大极小搜索策略一般都是使用在一些博弈类的游戏之中。这样策略本质上使用的是深度搜索策略，所以一般可以使用递归的方法来实现。在搜索过程中，对本方有利...
[程序设计]基于人工智能博弈树，极大极小(Minimax)搜索算法并使用Alpha-Beta剪枝算法优化实现的可人机博弈的AI智能五子棋游戏。
陈丹宇的博客
01-03 1546
绪论-五子棋的特点与规则五子棋是两方之间进行的竞技活动，专用棋盘为15*15，五连子的方向为横、竖、斜；任一方在棋盘上形成横向、竖向、斜向的连续的相同颜色的五个（含五个以上）时即为该方胜利；在棋盘上以对局双方均不可能形成五连为和棋。黑白双方依次落子，由黑方先下，由于先下一方在局面上占优，所以五子棋规则分为禁手和无禁手两种。禁手规则：禁手是针对先行的黑棋而言，以限制黑棋的先行优势为目的。对局中如果黑棋违反禁手规则将被判负。
HTML静态网页作业(HTML+CSS+JS)——动漫蜡笔小新网页设计制作(4个页面)
最新发布
weixin_42283461的博客
05-20 742
HTML静态网页作业(HTML+CSS+JS)——动漫蜡笔小新网页设计制作(4个页面)
将博弈树的极小极大算法和剪枝算法用来优化java五子棋的ai并写出代码
05-03
博弈树的极小极大算法和剪枝算法可以用来优化Java五子棋的AI，以下是示例代码： ```java public class AIPlayer { private final int MAX_DEPTH = 3; // 最大搜索深度 private final int WIN_SCORE = 100; // 胜利得分 private final int[] dx = {-1, 0, 1, 1}; // 横向偏移量 private final int[] dy = {1, 1, 1, 0}; // 纵向偏移量 public int[] getNextMove(Board board) { int[] move = new int[2]; int score = Integer.MIN_VALUE; for (int i = 0; i < Board.SIZE; i++) { for (int j = 0; j < Board.SIZE; j++) { if (board.isEmpty(i, j)) { board.place(i, j, Board.PLAYER_AI); int currentScore = miniMax(board, 0, Integer.MIN_VALUE, Integer.MAX_VALUE, false); board.remove(i, j); if (currentScore > score) { score = currentScore; move[0] = i; move[1] = j; } } } } return move; } private int miniMax(Board board, int depth, int alpha, int beta, boolean isMaxPlayer) { int result = evaluate(board, depth); if (result != 0) { return result; } if (depth == MAX_DEPTH) { return 0; } if (isMaxPlayer) { for (int i = 0; i < Board.SIZE; i++) { for (int j = 0; j < Board.SIZE; j++) { if (board.isEmpty(i, j)) { board.place(i, j, Board.PLAYER_AI); alpha = Math.max(alpha, miniMax(board, depth + 1, alpha, beta, false)); board.remove(i, j); if (beta <= alpha) { return alpha; } } } } return alpha; } else { for (int i = 0; i < Board.SIZE; i++) { for (int j = 0; j < Board.SIZE; j++) { if (board.isEmpty(i, j)) { board.place(i, j, Board.PLAYER_HUMAN); beta = Math.min(beta, miniMax(board, depth + 1, alpha, beta, true)); board.remove(i, j); if (beta <= alpha) { return beta; } } } } return beta; } } private int evaluate(Board board, int depth) { int winner = board.checkWin(); if (winner == Board.PLAYER_AI) { return WIN_SCORE - depth; } else if (winner == Board.PLAYER_HUMAN) { return -WIN_SCORE + depth; } else { int score = 0; for (int i = 0; i < Board.SIZE; i++) { for (int j = 0; j < Board.SIZE; j++) { if (board.get(i, j) == Board.PLAYER_AI) { score++; } else if (board.get(i, j) == Board.PLAYER_HUMAN) { score--; } } } return score; } } } ``` 以上代码中，`getNextMove()` 方法会返回AI下一步最优的位置。`miniMax()` 方法是极小极大算法的核心实现，其中 `alpha` 和 `beta` 是剪枝算法所需的参数。`evaluate()` 方法用于对局面进行评估，返回一个得分来衡量当前局面的优劣。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

陈丹宇jmu

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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