可以自我学习的AI五子棋

[人工智能]实现自我学习，五子棋

初学机器学习，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，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学起。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！

简介五子棋

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。

实现五子棋

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 import Enum
N = 15
class ChessboardState(Enum):EMPTY = 0BLACK = 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文件，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 import Enum
from consts import *
class GoBang(object):def __init__(self):self.__chessMap = [[ChessboardState.EMPTY for j in range(N)] for i in range(N)]self.__currentI = -1self.__currentJ = -1self.__currentState = ChessboardState.EMPTYdef get_chessMap(self):return self.__chessMapdef get_chessboard_state(self, i, j):return self.__chessMap[i][j]def set_chessboard_state(self, i, j, state):self.__chessMap[i][j] = stateself.__currentI = iself.__currentJ = jself.__currentState = state

这样界面端可以调用get函数来获取各个格子的状态来决定是否绘制棋子，以及绘制什么样的棋子；每次下棋的时候呢，在对应的格子上，通过坐标来设置棋盘Map的状态。
所以最基本的展示和下棋，上面的逻辑就够了，接下来干什么呢，得考虑每次下棋之后，set了对应格子的状态，是不是需要判断当前有没有获胜。所以还需要再加两个函数来干这个事情，思路就是从当前位置从东、南、西、北、东南、西南、西北、东北8个方向，4根轴，看是否有连续的大于5颗相同颜色的棋子出现。假设我们目前落子在棋盘正中，需要判断的位置如下图所示的米字形。

那代码怎么写呢，最最笨的办法，按照字面意思来翻译咯，比如横轴，先看当前位置左边有多少颗连续同色的，再看右边有多少颗连续同色的，左边加右边，就是当前横轴上的连续数，如果大于5，则胜利。

def have_five(self, current_i, current_j):#四个方向计数 竖 横 左斜 右斜hcount = 1temp = ChessboardState.EMPTY#H-左for j in range(current_j - 1, -1, -1):  #横向往左 from (current_j - 1) to 0temp = self.__chessMap[current_i][j]if temp == ChessboardState.EMPTY or temp != self.__currentState:breakhcount = hcount + 1#H-右for j in range(current_j + 1, N):  #横向往右 from (current_j + 1) to Ntemp = self.__chessMap[current_i][j]if temp == ChessboardState.EMPTY or temp != self.__currentState:breakhcount = hcount + 1#H-结果if hcount >= 5:return True

以此类推，再看竖轴、再看左斜、再看又斜，于是，have_five函数变成这样了：

def have_five(self, current_i, current_j):#四个方向计数 竖 横 左斜 右斜hcount = 1vcount = 1lbhcount = 1rbhcount = 1temp = ChessboardState.EMPTY#H-左for j in range(current_j - 1, -1, -1):  #横向往左 from (current_j - 1) to 0temp = self.__chessMap[current_i][j]if temp == ChessboardState.EMPTY or temp != self.__currentState:breakhcount = hcount + 1#H-右for j in range(current_j + 1, N):  #横向往右 from (current_j + 1) to Ntemp = self.__chessMap[current_i][j]if temp == ChessboardState.EMPTY or temp != self.__currentState:breakhcount = hcount + 1#H-结果if hcount >= 5:return True#V-上for i in range(current_i - 1, -1, -1):  # from (current_i - 1) to 0temp = self.__chessMap[i][current_j]if temp == ChessboardState.EMPTY or temp != self.__currentState:breakvcount = vcount + 1#V-下for i in range(current_i + 1, N):  # from (current_i + 1) to Ntemp = self.__chessMap[i][current_j]if temp == ChessboardState.EMPTY or temp != self.__currentState:breakvcount = vcount + 1#V-结果if vcount >= 5:return True#LB-上for i, j in zip(range(current_i - 1, -1, -1), range(current_j - 1, -1, -1)):  temp = self.__chessMap[i][j]if temp == ChessboardState.EMPTY or temp != self.__currentState:breaklbhcount = lbhcount + 1#LB-下for i, j in zip(range(current_i + 1, N), range(current_j + 1, N)):  temp = self.__chessMap[i][j]if temp == ChessboardState.EMPTY or temp != self.__currentState:breaklbhcount = lbhcount + 1#LB-结果if lbhcount >= 5:return True#RB-上for i, j in zip(range(current_i - 1, -1, -1), range(current_j + 1, N)):  temp = self.__chessMap[i][j]if temp == ChessboardState.EMPTY or temp != self.__currentState:breakrbhcount = rbhcount + 1#RB-下for i, j in zip(range(current_i + 1, N), range(current_j - 1, -1, -1)):  temp = self.__chessMap[i][j]if temp == ChessboardState.EMPTY or temp != self.__currentState:breakrbhcount = rbhcount + 1#LB-结果if rbhcount >= 5:return True

这样是不是就写完了，五子棋的逻辑全部实现~

重构五子棋

NO，别高兴得太早，我想说，我好恶心，上面那个代码，简直丑爆了，再看一眼，重复的写了这么多for，这么多if，这么多重复的代码块，让我先去吐会儿……
好了，想想办法怎么改，至少分了4根轴，是重复的对不对，然后每根轴分别从正负两个方向去统计，最后加起来，两个方向，也是重复的对不对。于是我们能不能只写一个方向的代码，分别调2次，然后4根轴，分别再调4次，2*4=8，一共8行代码搞定试试。因为有45°和135°这两根斜轴的存在，所以方向上应该分别从x和y两个轴来控制正负，于是可以这样，先写一个函数，按照方向来统计：
xdirection=0,ydirection=1 表示从y轴正向数；
xdirection=0,ydirection=-1 表示从y轴负向数；
xdirection=1,ydirection=1 表示从45°斜轴正向数；
……
不一一列举了，再加上边界条件的判断，于是有了以下函数：

def count_on_direction(self, i, j, xdirection, ydirection, color):count = 0for step in range(1, 5): #除当前位置外,朝对应方向再看4步if xdirection != 0 and (j + xdirection * step < 0 or j + xdirection * step >= N):breakif ydirection != 0 and (i + ydirection * step < 0 or i + ydirection * step >= N):breakif self.__chessMap[i + ydirection * step][j + xdirection * step] == color:count += 1else:breakreturn count

于是乎，前面的have_five稍微长的好看了一点，可以变成这样：

def have_five(self, i, j, color):#四个方向计数 竖 横 左斜 右斜hcount = 1vcount = 1lbhcount = 1rbhcount = 1hcount += self.count_on_direction(i, j, -1, 0, color)hcount += self.count_on_direction(i, j, 1, 0, color)if hcount >= 5:return Truevcount += self.count_on_direction(i, j, 0, -1, color)vcount += self.count_on_direction(i, j, 0, 1, color)if vcount >= 5:return Truelbhcount += self.count_on_direction(i, j, -1, 1, color)lbhcount += self.count_on_direction(i, j, 1, -1, color)if lbhcount >= 5:return Truerbhcount += self.count_on_direction(i, j, -1, -1, color)rbhcount += self.count_on_direction(i, j, 1, 1, color)if rbhcount >= 5:return True

还是一大排重复的代码呀，我还是觉得它丑啊，我真的不是处女座，但是这个函数是真丑啊，能不能让它再帅一点，当然可以，4个重复块再收成一个函数，循环调4次，是不是可以，好，就这么干，于是have_five就又漂亮了一点点：

def have_five(self, i, j, color):#四个方向计数 竖 横 左斜 右斜directions = [[(-1, 0), (1, 0)], \[(0, -1), (0, 1)], \[(-1, 1), (1, -1)], \[(-1, -1), (1, 1)]]for axis in directions:axis_count = 1for (xdirection, ydirection) in axis:axis_count += self.count_on_direction(i, j, xdirection, ydirection, color)if axis_count >= 5:return Truereturn False

这下判断是否有5颗相同颜色棋子的逻辑也有了，再加一个函数来给界面层返回结果，逻辑部分的代码就差不多了：

 def get_chess_result(self):if self.have_five(self.__currentI, self.__currentJ, self.__currentState):return self.__currentStateelse:return ChessboardState.EMPTY

完整代码gobang.py如下：

#coding:utf-8from enum import Enum
from consts import *class GoBang(object):def __init__(self):self.__chessMap = [[ChessboardState.EMPTY for j in range(N)] for i in range(N)]self.__currentI = -1self.__currentJ = -1self.__currentState = ChessboardState.EMPTYdef get_chessMap(self):return self.__chessMapdef get_chessboard_state(self, i, j):return self.__chessMap[i][j]def set_chessboard_state(self, i, j, state):self.__chessMap[i][j] = stateself.__currentI = iself.__currentJ = jself.__currentState = statedef get_chess_result(self):if self.have_five(self.__currentI, self.__currentJ, self.__currentState):return self.__currentStateelse:return ChessboardState.EMPTYdef count_on_direction(self, i, j, xdirection, ydirection, color):count = 0for step in range(1, 5): #除当前位置外,朝对应方向再看4步if xdirection != 0 and (j + xdirection * step < 0 or j + xdirection * step >= N):breakif ydirection != 0 and (i + ydirection * step < 0 or i + ydirection * step >= N):breakif self.__chessMap[i + ydirection * step][j + xdirection * step] == color:count += 1else:breakreturn countdef have_five(self, i, j, color):#四个方向计数 竖 横 左斜 右斜directions = [[(-1, 0), (1, 0)], \[(0, -1), (0, 1)], \[(-1, 1), (1, -1)], \[(-1, -1), (1, 1)]]for axis in directions:axis_count = 1for (xdirection, ydirection) in axis:axis_count += self.count_on_direction(i, j, xdirection, ydirection, color)if axis_count >= 5:return Truereturn False

可以自我学习的AI五子棋相关推荐

能自我学习的AI 能辨识20种乐器声音
MIT发表称为PixelPlayer的人工智能系统,以影片的视觉元素代替人为卷标,让系统达到自我监督学习的目的,自动辨识声音与乐器间的关联,不只可用于音乐的编辑与后制,还能用于机器人研究领域,帮助其理 ...
qpython3h教程_Python3实现AI五子棋【初版】|python3教程|python入门|python教程
https://www.xin3721.com/eschool/pythonxin3721/ 本文转载至知乎ID:Charles(白露未晞)知乎个人专栏下载W3Cschool手机App,0基础随时随 ...
【人工智能】基于蒙特卡洛树搜索和策略价值网络的AI五子棋算法设计
基于蒙特卡洛树搜索和策略价值网络的AI五子棋算法设计摘要蒙特卡洛树搜索算法五子棋博弈的状态价值函数附1:详细论文说明下载: 附2:实现代码下载(2022.10更新后代码): 摘要随着人工智能 ...
甲小姐对话稚晖君：深度学习并非AI的终点
"人类不应该只存在在地球上,对于这么浩瀚的宇宙来说太浪费了." 作者 | 甲小姐助理 | 沁云近日,华为"天才少年".B站UP主稚晖君的新作自动驾驶自行车在 ...
python五子棋ai_零基础学Python之—AI五子棋(1)
今天是小编学习Python的第二天,有点小激动,因为我昨天试了下水,做了一个Python的小弹球游戏,代码copy一路畅通,效果也还不错,而且,我居然还得了60个赞,很高兴,因为这是我第一次写技术博 ...
产品经理—开发转产品，浅谈自我学习与探索
编辑导语:如今有越来越多人正想着入职产品岗位,产品经理不论出生,人人都是产品经理,然而想做好产品经理也绝非易事.本文讲述了作者从开发转向产品岗位的背景.想法.学习和探索过程的些许经验,亦或是对自己转行 ...
五子棋输赢算法php,js实现AI五子棋人机大战
本文实例为大家分享了js实现AI五子棋人机大战的具体代码,供大家参考,具体内容如下实现原理就是计算五子棋所有赢的种类,利用canvas实现五子棋排版落子. 五子棋 #canvas{ display: ...
程序员的下一个风口——永远是不断自我学习，自我思考提升！
面对近一年的裁员潮,以及 GPT 出现带来的 AI 颠覆潮流,各种话题出现:「前端已死」.「后端已死」.「Copy/Paste 程序员将被 AI 取代」. 文章目录程序员行业是否还有发展空间? 除技 ...
深度学习、AI构图、智能裁图、显著性检测、美感质量评价
深度学习.AI构图.智能裁图.显著性检测.美感质量评价基于美感数据集和改进的Alexnet-SPP的AI构图智能裁图基于美感数据集和改进的Alexnet-SPP的显著性检测部分代码下载地址:下载 ...
联邦学习：AI大规模落地又一革命性突破
联邦学习:AI大规模落地又一革命性突破一方面,AI在安防行业的探索才刚刚开始:另一方面,做好AI所必须的数据养料有限且质量较差,不同数据源之间存在难以打破的壁垒. 除了少数几家拥有海量用户.具备产品 ...

可以自我学习的AI五子棋

[人工智能]实现自我学习，五子棋

可以自我学习的AI五子棋相关推荐

最新文章

热门文章