博弈树之我见

想必各位都听说过人工智能,但未必听说过博弈树.其实博弈树属于比较传统的一种人工智能算法,其一般被运用到对弈的游戏中.通过对棋局作估值,采用极大极小搜索的办法,近似的搜索出最佳的棋局方式,进而模仿人类的下棋方式.
碰巧课设需要设计一个棋类的对弈系统,就刚好将这个算法稍稍了解并记录了下来.

估值函数

使用博弈树的前提是少不了设置估值函数,估值函数指的是,对应当前棋局,你觉得好不好?有多好?将这个设成一个具体的量值.那么就五子棋来说如何判断一个棋局好不好呢?方法如下:
首先是对棋型我们需要提供一个对应的分值.例如,在五子棋中,五个子相连称为“长连”,将其分值设为100000,对于四子相连且没有被封堵的,称为“活四”,对“活四”我们也赋予一个分值1000…当设定完以后,我们采用遍历的方式,搜集整个棋盘的横竖正斜负斜的所有的信息,组合成字符串.通过正则匹配的手段判断是否存在对应的棋型,将分值相加做到评估局面的效果

正则匹配对应的棋型:

如何择点下棋

在有了决策树以后,我们是可以开始下棋了,但是我们想一想,一个棋盘有15*15个点,我们如何去选择一些最佳的点呢?我采取的方法是用对已经下的点周围下的决策,来选取点.具体的策略如下图:

这样既可以保证当前的择点有效,同时也能够让搜索最小化降低时间复杂度.

决策树使用

关于决策树,同我们数据结构中学的树其实类似的你不废话么唯一不同的是,由于决策树模拟的是双方轮流下棋的决策,因此,需要采用极大极小循环决策,即在己方情况我想获得最大的分值,在对手下的时候我想让他尽可能下的烂.基于这个我们写出了下面的代码:

public float Alpha_Beta(int depth,String color,String anothercolor,Vector<Integer> points,float alpha,float beta) {/*进行alpha和beta剪枝以及递归的过程*/if (depth == MaxDepth) {/*如果到达了递归深度,直接返回当前局面的值就好了*/return Counting_Points(color,anothercolor)-2*Counting_Points(anothercolor,color);}if(depth%2 == 0) {for(int k=0;k<points.size()-1;k+=2) {int i=points.get(k);int j=points.get(k+1);board[i][j] = super.color;             Vector<Integer> newpoints = Found_Points();float s = Alpha_Beta(depth+1,anothercolor, color, newpoints,alpha,beta);alpha = Math.max(s, alpha);board[i][j] = 0;if(alpha>=beta) {/*如果该节点的下确界大于父节点的上确界,则直接剪枝*/return alpha;}}return alpha;}else {for(int k=0;k<points.size()-1;k+=2) {int i=points.get(k);int j=points.get(k+1);board[i][j] = super.anothercolor;Vector<Integer> newpoints = Found_Points();float s =  Alpha_Beta(depth+1,anothercolor, color, newpoints,alpha,beta);beta = Math.min(s, beta);board[i][j] = 0;if (alpha>=beta) {/*如果节点的上确界小于父节点的下确界,则直接剪枝*/return beta;}}return beta;}}

在上面的代码注释中我们可以看到,我使用了剪枝的操作,那么剪枝又是什么呢?

Alpha-Beta剪枝

剪枝其实是为了加快不必要的搜索,由于是交踢采用极大极小决策的树,必定存在着情况如:1.父节点的极小值大于子节点的极大值,2.父节点的极小值大于子节点的极大值.因此这些搜索就没有必要接着进行下去了,即已经可以采取剪枝的策略了.如下图就是一个剪枝的实例:(图片出自转载)

图中的B节点的极小值已经大于C节点的第一个检索值,即存在min>max的情况,故直接搜索了下一棵树

总结

至此,基本的博弈树算法已经介绍完了,对于博弈树的算法优化其实还有很多可用,例如我从论文中看到的使用些许棋谱实现的启发式搜索,通过载入一些已经存在的棋局实现对应的局面,可以加强Ai的智能,其余的优化算法各位可以看我引用的那些论文和博客,都是确实对优化和理解算法实用的干货.
最后,我个人的系统原码也已经放在了我的GitHub上,各位有兴趣可以下载参考,只是记得给我点个star就很好啦.
最后,还得感谢我的组员实现的前端界面和数据库,虽然算法很重要但没有我的队友白凤,夜默,罗同学,也不可能有这个完整的系统.

GitHub原码
基于α-β剪枝算法的智能五子棋
阿尔法α-贝塔β剪枝
[1] 程宇, 雷小锋. 五子棋中Alpha-Beta搜索算法的研究与改进[J]. 计算机工程, 2012, 38(17):186-188.
[2] 张明亮, 吴俊, 李凡长. 五子棋机器博弈系统评估函数的设计[J]. 计算机应用, 2012, 32(07):1969-1972.
[3] 严小卫, 莫建文. 智能五子棋的设计与实现[J]. 广西师范大学学报(自然科学版), 1999(4):11-14.
[4] 王长飞, 蔡强, 李海生. 智能五子棋算法的设计实现[J]. 系统仿真学报, 2009(04):132-135.

攻城狮成长日志(五):远古人工智能,用博弈树实现的五子棋博弈系统(附原码)相关推荐

攻城狮久坐腰疼需要一把好的人体工学椅，附双11人体工学椅开箱体验
目录一.人体工学是啥? 1.办公室病 2.Ergonomics 3.人体工学椅子的优势二.如何选择人体功能学椅子? 1.我觉得品牌和销量是避免掉坑的基石. 2.当然是预算 3.需要有前倾调整功能 ...
Copy攻城狮辛酸史：含泪“一分钟”跑通MindSpore的LeNet模型
摘要:一个Cope 攻城狮用切身实例告诉你: Cope代码体验一时爽,BUG修改花半天. 前言:此文为r0.7-beta的操作实践,为什么我的眼里常含泪水,因为我对踩坑这件事爱得深沉.谨以此文献给和我 ...
【软考】软件攻城狮考试（四）——面向对象
一.攻占第二城~~ 前一篇<[软考]软件攻城狮考试(三)--软工>小编已经征服了这个国家,已经收获了很多的知识,接下来又是一个劲敌--面向对象,这个国家依旧是一个没有太大的实力,但是国土面 ...
硬件攻城狮最常用的五个购物网站分享
2020年5月29日,周五,天气晴,距离周末双休还有半小时,闲暇之余,给广大硬件攻城狮分享一下鄙人常用的五个购物网站 NO.1 鄙人最常用也是最方便的网站深圳嘉立创商城网址:https://ww ...
【挨踢人物传】tao61：做一个许三多式的IT攻城狮（第2期）
告诉你一个群体,一个在光怪陆离的IT圈混迹的群体.他们自称程序猿(媛).攻城狮.挨踢民工,一面乐观的自嘲,一面努力的工作.提起他们,你也许想到了张江男,想到了眼镜.T恤.牛仔裤.运动鞋.双 ...
秋招攻略—如何成为一名图像算法攻城狮（上篇）—知识学习篇
秋招攻略-如何成为一名图像算法攻城狮(上篇)-知识学习篇从6月份开始一直到现在,5个月的秋招历程让我成长了许多,最终收到了华为.荣耀.vivo.科大讯飞.奥比中光.汇川等10余家公司的图像算法off ...
一位Java开发攻城狮的自我修养之项目篇
攻城狮的自我修养之项目篇基础知识 Java基础 SpingBoot SpringCloud LeetCode题库大数据项目实战商城系统权限管理系统脚手架系统人事管理系统论坛系统博客系 ...
联合Java攻城狮社区，推出Java技能树有奖征文活动，期待你的加入
目录一.立志存高远,笃行践初心二.如何学习Java? 三.哪吒造Java技能树 1.CSDN官方技能树 2.哪吒造山寨版Java技能树 3.技能树评委 4.通过打榜赢取精美礼物 5.如何参与Jav ...
【网易云信招聘啦】216位攻城狮，呼唤7个好基友
Hi,猿过年了年终奖拿了没老板给加薪没耿耿于怀的你是否各种隐忍沮丧以下代表,你属于哪一个? 猿A 公司是创业公司,还未盈利,为了产品上线,付出很多,能力提升了很多.不过,项目不赚钱,没人在 ...
十年北漂，一个软件“攻城狮”到职业养鸡人的心路历程
本人(武建亮)IT屌丝出生, 2005年到北京,2006年开始正式成为程序员,曾任某公司的技术总监. 2011年开始创业,曾做过电子商务网站.礼品网.智慧旅游相关的创业项目. 2014年底,再一次创业 ...

攻城狮成长日志(五):远古人工智能,用博弈树实现的五子棋博弈系统(附原码)

远古人工智能,用博弈树实现的五子棋博弈系统