原标题：俄罗斯方块进阶--AI俄罗斯方块

人工智能大火的今天，如果还是自己玩俄罗斯方块未免显得太LOW，为什么不对游戏升级，让机器自己去玩俄罗斯方块呢？有了这个想法之后利用周六周日两天的时间去搜集了大量的资料，在电脑死机好多次之后终于将AI俄罗斯方块实现了。

程序介绍

所谓让机器自己去玩俄罗斯方块，就是让机器计算当前方块的所有形态可放置的所有位置，然后根据统一的评价标准，计算出最优的位置进行放置。这个评价的标准简单的来说就是：板块放置的位置越靠下越好，方块之间越紧密越好，自身对消除行的方块贡献数量越多越好，但是这里还要注意的是不可为了追求消除行数，而去造成过多的空洞，这样也是不合理的。

关于AI算法主要有两种:一种是经典的Pierre Dellacherie算法，一种基于基于深度搜索的算法。深度搜索需要优化的地方很多，假如计算的层数不够、没有高效的剪枝，一不小心容易写成人工智障，时间复杂度也不好。Pierre Dellacherie算法更加清晰，复杂度更低。但是该算法只考虑当前，不对未来的情况进行计算，注重的是“不死性”，追求方块的“密集”，有时就算可以一次性消除 3 行，却会使全局方块更加“疏”，即过多的空洞。

代码由三部分组成Tetris.py,AI.py和Utils.py游戏的主要逻辑由Tetis控制，Utils定义了方块的样式，AI顾名思义实现了主要的AI算法。

具体介绍Pierre Dellacherie算法

只考虑当前方块，不对未来的情况进行计算，注重的是“不死性”，算法每次生成一个方块，便穷举该方块所有旋转的所有落点。一种方块最多有 4 种旋转，并且由于游戏界面是10*20的，所以对于每个旋转形状，只需要考虑10种落点。算法的核心是一个评估函数，对穷举出的每一种下落情况，计算 6 个参数值，用评估函数加权求和得到一个值，该值最大的情况便是目前方块的最优下落位置，六个参数分别是：

1.下落高度(Landing Height)：

当前方块落下去之后，方块中点距底部的方格数事实上，不求中点也是可以的，详见官网。2.消行数(Rows eliminated)

消行层数与当前方块贡献出的方格数乘积3.行变换(Row Transitions)：

从左到右(或者反过来)检测一行，当该行中某个方格从有方块到无方块(或无方块到有方块)，

视为一次变换。游戏池边界算作有方块。行变换从一定程度上反映出一行的平整程度，越平整值越小

该指标为所有行的变换数之和

如图：■表示有方块，□表示空格(游戏池边界未画出)

■■□□■■□□■■□□ 变换数为6

□□□□□■□■□■□■ 变换数为9

■■■■□□□□□□■■ 变换数为2

■■■■■■■■■■■■ 变换数为04.列变换(Column Transitions)：大意同上

列变换从一定程度上反映出一列中空洞的集中程度，空洞越集中值越小5.空洞数(Number of Holes)

不解释6.井的总和(Well Sums)：

井指两边皆有方块的空列。该指标为所有井的深度连加到1再求总和注意一列中可能有多个井，如图：

■□□

■□■

■□■

■■■

■□■

■□■

■□■

中间一列为井，深度连加到一的和为 (2+1)+(3+2+1)=9

评估函数如下 (首字母简写)：

关于方块形态

相对于上次文章中的俄罗斯方块，这里对AI俄罗斯方块的形态做一下特别说明，各个方块都是根据中心点的坐标来生成的，以(0，0)为中心点，在x、y轴加减1则是其他方格的坐标，这个好处就是只要确定中心点坐标，其他的方格位置就能随即生成。看图就懂↓

1# 每种块包含的四个小方块相对坐标分布

2self.shapes_relative_coords = [

3[[ 0, 0], [ 0, 0], [ 0, 0], [ 0, 0]],

4[[ 0, -1], [ 0, 0], [ 0, 1], [ 0, 2]],

5[[ 0, -1], [ 0, 0], [ 0, 1], [ 1, 1]],

6[[ 0, -1], [ 0, 0], [ 0, 1], [ -1, 1]],

7[[ 0, -1], [ 0, 0], [ 0, 1], [ 1, 0]],

8[[ 0, 0], [ 0, -1], [ 1, 0], [ 1, -1]],

9[[ 0, 0], [ 0, -1], [ -1, 0], [ 1, -1]],

10[[ 0, 0], [ 0, -1], [ 1, 0], [ -1, -1]]

11]

基于深度搜索

暂时不对此方法作介绍。

收获成果

责任编辑：