怎样做才能让网站帮忙送东西,好的seo公司营销网,网站不备案有什么后果,做鲜花的网站有哪些最近我用Python做了一个国际象棋程序并把代码发布在Github上了。这个代码不到1000行#xff0c;大概20%用来实现AI。在这篇文章中我会介绍这个AI如何工作#xff0c;每一个部分做什么#xff0c;它为什么能那样工作起来。你可以直接通读本文#xff0c;或者去下载代码…最近我用Python做了一个国际象棋程序并把代码发布在Github上了。这个代码不到1000行大概20%用来实现AI。在这篇文章中我会介绍这个AI如何工作每一个部分做什么它为什么能那样工作起来。你可以直接通读本文或者去下载代码边读边看代码。虽然去看看其他文件中有什么AI依赖的类也可能有帮助但是AI部分全都在AI.py文件中。
AI 部分总述
AI在做出决策前经过三个不同的步骤。首先他找到所有规则允许的棋步通常在开局时会有20-30种随后会降低到几种。其次它生成一个棋步树用来随后决定最佳决策。虽然树的大小随深度指数增长但是树的深度可以是任意的。假设每次决策有平均20个可选的棋步那深度为1对应20棋步深度为2对应400棋步深度为3对应8000棋步。最后它遍历这个树采取x步后结果最佳的那个棋步x是我们选择的树的深度。后面的文章为了简单起见我会假设树深为2。
生成棋步树
棋步树是这个AI的核心。构成这个树的类是MoveNode.py文件中的MoveNode。他的初始化方法如下
def __init__(self, move, children, parent) :
self.move move
self.children children
self.parent parent
pointAdvantage None
depth 1
这个类有五个属性。首先是move即它包含的棋步它是个Move类在这不是很重要只需要知道它是一个告诉一个起子往哪走的棋步可以吃什么子等等。然后是children它也是个MoveNode类。第三个属性是parent所以通过它可以知道上一层有哪些MoveNode。pointAdvantage属性是AI用来决定这一棋步是好是坏用的。depth属性指明这一结点在第几层也就是说该节点上面有多少节点。生成棋步树的代码如下
def generateMoveTree(self) :
moveTree []
for move in self.board.getAllMovesLegal(self.side) :
moveTree.append(MoveNode(move, [], None))
for node in moveTree :
self.board.makeMove(node.move)
self.populateNodeChildren(node)
self.board.undoLastMove()
return moveTree
变量moveTree一开始是个空list随后它装入MoveNode类的实例。第一个循环后它只是一个拥有没有父结点、子结点的MoveNode的数组也就是一些根节点。第二个循环遍历moveTree用populateNodeChildren函数给每个节点添加子节点
def populateNodeChildren(self, node) :
node.pointAdvantage self.board.getPointAdvantageOfSide(self.side)
node.depth node.getDepth()
if node.depth self.depth :
return
side self.board.currentSide
legalMoves self.board.getAllMovesLegal(side)
if not legalMoves :
if self.board.isCheckmate() :
node.move.checkmate True
return
elif self.board.isStalemate() :
node.move.stalemate True
node.pointAdvantage 0
return
for move in legalMoves :
node.children.append(MoveNode(move, [], node))
self.board.makeMove(move)
self.populateNodeChildren(node.children[-1])
self.board.undoLastMove()
这个函数是递归的并且它有点难用图像表达出来。一开始给它传递了个MoveNode对象。这个MoveNode对象会有为1的深度因为它没有父节点。我们还是假设这个AI被设定为深度为2。因此率先传给这个函数的结点会跳过第一个if语句。
然后决定出所有规则允许的棋步。不过这在这篇文章讨论的范围之外如果你想看的话代码都在Github上。下一个if语句检查是否有符合规则的棋步。如果一个都没有要么被将死了要么和棋了。如果是被将死了由于没有其他可以走的棋步把node.move.checkmate属性设为True并return。和棋也是相似的不过由于哪一方都没有优势我们把node.pointAdvantage设为0。
如果不是将死或者和棋那么legalMoves变量中的所有棋步都被加入当前结点的子节点中作为MoveNode然后函数被调用来给这些子节点添加他们自己的MoveNode。
当结点的深度等于self.depth这个例子中是2时什么也不做当前节点的子节点保留为空数组。
遍历树
假设/我们有了一个MoveNode的树我们需要遍历他找到最佳棋步。这个逻辑有些微妙需要花一点时间想明白它(在明白这是个很好的算法之前我应该更多地去用Google)。所以我会尽可能充分解释它。比方说这是我们的棋步树
如果这个AI很笨只有深度1他会选择拿“象”吃“车”导致它得到5分并且总优势为7。然后下一步“兵”会吃掉它的“后”现在优势从7变为-2因为它没有提前想到下一步。
在假设它的深度为2。将会看到它用“后”吃“马”导致分数-4移动“后”导致分数1“象”吃“车”导致分数-2。因此他选择移动后。这是设计AI时的通用技巧你可以在这找到更多资料极小化极大算法。
所以我们轮到AI时让它选择最佳棋步并且假设AI的对手会选择对AI来说最不利的棋步。下面展示这一点是如何实现的
def getOptimalPointAdvantageForNode(self, node) :
if node.children:
for child in node.children :
child.pointAdvantage self.getOptimalPointAdvantageForNode(child)
#If the depth is divisible by 2, its a move for the AIs side, so return max
if node.children[0].depth % 2 1 :
return(max(node.children).pointAdvantage)
else :
return(min(node.children).pointAdvantage)
else :
return node.pointAdvantage
这也是个递归函数所以一眼很难看出它在干什么。有两种情况当前结点有子节点或者没有子节点。假设棋步树正好是前面图中的样子实际中每个树枝上会有更多结点。
第一种情况中当前节点有子节点。拿第一步举例Q吃掉N。它子节点的深度为2所以2除2取余不是1。这意味着子节点包含对手的一步棋所以返回最小步数假设对手会走出对AI最不利的棋步。
该节点的子节点不会有他们自己的节点因为我们假设深度为2。因此他们但会他们真实的分值-4和5。他们中最小的是-4所以第一步Q吃N被给为分值-4。
其他两步也重复这个步骤移动“后”的分数给为1“象”吃“车”的分数给为-2。
选择最佳棋步
最难的部分已经完成了现在这个AI要做的事就是从最高分值的棋步中做选择。
def bestMovesWithMoveTree(self, moveTree) :
bestMoveNodes []
for moveNode in moveTree :
moveNode.pointAdvantage self.getOptimalPointAdvantageForNode(moveNode)
if not bestMoveNodes :
bestMoveNodes.append(moveNode)
elif moveNode bestMoveNodes[0] :
bestMoveNodes []
bestMoveNodes.append(moveNode)
elif moveNode bestMoveNodes[0] :
bestMoveNodes.append(moveNode)
return [node.move for node in bestMoveNodes]
此时有三种情况。如果变量bestMoveNodes为空那么moveNode的值是多少都添加到这个list中。如果moveNode的值高于bestMoveNodes的第一个元素清空这个list然后添加该moveNode。如果moveNode的值是一样的那么添加到list中。
最后一步是从最佳棋步中随机选择一个(AI能被预测是很糟糕的)
bestMoves self.bestMovesWithMoveTree(moveTree)
randomBestMove random.choice(bestMoves)
这就是所有的内容。AI生成一个树用子节点填充到任意深度遍历这个树找到每个棋步的分值然后随机选择最好的。这有各种可以优化的地方剪枝剃刀静止搜索等等但是希望这篇文章很好地解释了基础的暴力算法的象棋AI是如何工作的。
本文由 伯乐在线 - 许世豪 翻译自 mbuffett。
