本篇文章是博主在人工智能等领域学习时，用于个人学习、研究或者欣赏使用，并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记，若有不当和侵权之处，指出后将会立即改正，还望谅解。文章分类在Pytorch：
Pytorch（4）—《黑白棋 AI 算法》
黑白棋 AI 算法
目录
1. 实验介绍
1.1 实验内容
1.2 实验要求
1.3 注意事项
2.实验内容
2.1 棋盘介绍
2.2 创建随机玩家
2.3 创建人类玩家
2.4 创建 Game 类
2.5 创建 AI 玩家
3.运行结果
1. 实验介绍
1.1 实验内容
黑白棋 (Reversi)，也叫苹果棋，翻转棋，是一个经典的策略性游戏。
一般棋子双面为黑白两色，故称“黑白棋”。因为行棋之时将对方棋子翻转，则变为己方棋子，故又称“翻转棋” (Reversi) 。
棋子双面为红、绿色的称为“苹果棋”。它使用 8×8 的棋盘，由两人执黑子和白子轮流下棋，最后子多方为胜方。
随着网络的普及，黑白棋作为一种最适合在网上玩的棋类游戏正在逐渐流行起来。
中国主要的黑白棋游戏站点有 Yahoo 游戏、中国游戏网、联众游戏等。
黑白棋示范视频
https://v.youku.com/v_show/id_XMjYyMzc1Mjcy.html?spm=a2h0k.11417342.soresults.dtitle 可以从4分钟开始观看
游戏规则：
棋局开始时黑棋位于 E4 和 D5 ，白棋位于 D4 和 E5，如图所示。
- 黑方先行，双方交替下棋。
- 一步合法的棋步包括：
- 在一个空格处落下一个棋子，并且翻转对手一个或多个棋子；
- 新落下的棋子必须落在可夹住对方棋子的位置上，对方被夹住的所有棋子都要翻转过来，
可以是横着夹，竖着夹，或是斜着夹。夹住的位置上必须全部是对手的棋子，不能有空格； - 一步棋可以在数个（横向，纵向，对角线）方向上翻棋，任何被夹住的棋子都必须被翻转过来，棋手无权选择不去翻某个棋子。
- 如果一方没有合法棋步，也就是说不管他下到哪里，都不能至少翻转对手的一个棋子，那他这一轮只能弃权，而由他的对手继续落子直到他有合法棋步可下。
- 如果一方至少有一步合法棋步可下，他就必须落子，不得弃权。
- 棋局持续下去，直到棋盘填满或者双方都无合法棋步可下。
- 如果某一方落子时间超过 1 分钟 或者 连续落子 3 次不合法，则判该方失败。
1.2 实验要求
- 使用 『蒙特卡洛树搜索算法』 实现 miniAlphaGo for Reversi。
- 使用 Python 语言。
1.3 注意事项
- 在与人类玩家对奕时，运行环境将等待用户输入座标，此时代码将处于 While..Loop 回圈中，请务必输入’Q’离开，否则将持续系统将等待(hold）。
- 当长时间指示为运行中的时候，造成代码无法执行时，可以重新启动
2.实验内容
2.1 棋盘介绍
2.1.1 初始化棋盘
棋盘规格是 8×8，’X’ 代表黑棋，’O’ 代表白棋，’.’ 代表未落子状态。
棋盘初始化 – 利用 Board 类（board.py）中的 display() 方法展示棋盘：
# 导入棋盘文件
from board import Board
# 初始化棋盘
board = Board()
# 打印初始化棋盘
board.display()
2.1.2 棋盘与坐标之间的关系
棋盘坐标 E4, 转化为坐标形式就是 (3, 4), 坐标数值大小是从 0 开始，到 7 结束。
Board 类中，提供以上两种坐标的转化方法：
board_num(action): 棋盘坐标转化为数字坐标。- action: 棋盘坐标，e.g. ‘G6’
- 返回值: 数字坐标，e.g. (5, 6)
num_board(action): 数字坐标转化为棋盘坐标。- action: 数字坐标，e.g. (2, 7)
- 返回值: 棋盘坐标，e.g. ‘H3’
# 查看坐标 (4,3) 在棋盘上的位置
position = (4, 3)
print(board.num_board(position))
# 查看棋盘位置 'G2' 的坐标
position = 'G2'
print(board.board_num(position))
2.1.3 Board 类中比较重要的方法
get_legal_actions(color)： 根据黑白棋的规则获取 color 方棋子的合法落子坐标，用list()方法可以获取所有的合法坐标。- color: 下棋方，’X’ – 黑棋，’O’ – 白棋
- 返回值: 合法的落子坐标列表
# 棋盘初始化后，黑方可以落子的位置
print(list(board.get_legal_actions('X')))
_move(action, color)： 根据 color 落子坐标 action 获取翻转棋子的坐标。- action: 落子的坐标，e.g. ‘C4’
- color: 下棋方，’X’ – 黑棋，’O’ – 白棋
- 返回值: 反转棋子棋盘坐标列表
# 打印初始化后的棋盘
board.display()
# 假设现在黑棋下棋，可以落子的位置有：['D3', 'C4', 'F5', 'E6']，
# 黑棋落子 D3 , 则白棋被翻转的棋子是 D4。
# 表示黑棋
color = 'X'
# 落子坐标
action = 'D3'
# 打印白方被翻转的棋子位置
print(board._move(action,color))
# 打印棋盘
board.display() 
2.2 创建随机玩家
# 导入随机包
import random
class RandomPlayer:
"""
随机玩家, 随机返回一个合法落子位置
"""
def __init__(self, color):
"""
玩家初始化
:param color: 下棋方，'X' - 黑棋，'O' - 白棋
"""
self.color = color
def random_choice(self, board):
"""
从合法落子位置中随机选一个落子位置
:param board: 棋盘
:return: 随机合法落子位置, e.g. 'A1'
"""
# 用 list() 方法获取所有合法落子位置坐标列表
action_list = list(board.get_legal_actions(self.color))
# 如果 action_list 为空，则返回 None,否则从中选取一个随机元素，即合法的落子坐标
if len(action_list) == 0:
return None
else:
return random.choice(action_list)
def get_move(self, board):
"""
根据当前棋盘状态获取最佳落子位置
:param board: 棋盘
:return: action 最佳落子位置, e.g. 'A1'
"""
if self.color == 'X':
player_name = '黑棋'
else:
player_name = '白棋'
print("请等一会，对方 {}-{} 正在思考中...".format(player_name, self.color))
action = self.random_choice(board)
return action随机玩家 RandomPlayer 主要是随机获取一个合法落子位置。后续随机玩家可以跟人类玩家、AI 玩家等进行对弈。
随机玩家 get_move() 方法, 主要思路：
- 随机玩家的
get_move()方法主要调用了random_choice()方法。 random_choice()方法是：先用list()方法获取合法落子位置坐标列表，然后用random.choice()方法随机获取合法落子位置中的一个。
# 导入棋盘文件
from board import Board
# 棋盘初始化
board = Board()
# 打印初始化棋盘
board.display()
# 玩家初始化，输入黑棋玩家
black_player = RandomPlayer("X")
# 黑棋玩家的随机落子位置
black_action = black_player.get_move(board)
print("黑棋玩家落子位置: %s"%(black_action))
# 打印白方被翻转的棋子位置
print("黑棋落子后反转白棋的棋子坐标：",board._move(black_action,black_player.color))
# 打印黑棋随机落子后的棋盘
board.display()
# 玩家初始化，输入白棋玩家
white_player = RandomPlayer("O")
# 白棋玩家的随机落子位置
white_action = white_player.get_move(board)
print("白棋玩家落子位置:%s"%(white_action))
# 打印黑棋方被翻转的棋子位置
print("白棋落子后反转黑棋的棋子坐标：",board._move(white_action,white_player.color))
# 打印白棋随机落子后的棋盘
board.display() 
2.3 创建人类玩家
人类玩家 HumanPlayer 主要实现 get_move() 方法。
class HumanPlayer:
"""
人类玩家
"""
def __init__(self, color):
"""
玩家初始化
:param color: 下棋方，'X' - 黑棋，'O' - 白棋
"""
self.color = color
def get_move(self, board):
"""
根据当前棋盘输入人类合法落子位置
:param board: 棋盘
:return: 人类下棋落子位置
"""
# 如果 self.color 是黑棋 "X",则 player 是 "黑棋"，否则是 "白棋"
if self.color == "X":
player = "黑棋"
else:
player = "白棋"
# 人类玩家输入落子位置，如果输入 'Q', 则返回 'Q'并结束比赛。
# 如果人类玩家输入棋盘位置，e.g. 'A1'，
# 首先判断输入是否正确，然后再判断是否符合黑白棋规则的落子位置
while True:
action = input(
"请'{}-{}'方输入一个合法的坐标(e.g. 'D3'，若不想进行，请务必输入'Q'结束游戏。): ".format(player,
self.color))
# 如果人类玩家输入 Q 则表示想结束比赛
if action == "Q" or action == 'q':
return "Q"
else:
row, col = action[1].upper(), action[0].upper()
# 检查人类输入是否正确
if row in '12345678' and col in 'ABCDEFGH':
# 检查人类输入是否为符合规则的可落子位置
if action in board.get_legal_actions(self.color):
return action
else:
print("你的输入不合法，请重新输入!")人类玩家 get_move() 方法主要思路是：
- 人类玩家输入落子位置，如果输入’Q’, 则返回 ‘Q’ 并结束比赛。
- 如果人类玩家输入棋盘位置，e.g. ‘A1’，首先判断输入是否正确，然后再判断是否符合黑白棋规则的落子位置。
# 导入棋盘文件
from board import Board
# 棋盘初始化
board = Board()
# 打印初始化后棋盘
board.display()
# 人类玩家黑棋初始化
black_player = HumanPlayer("X")
# 人类玩家黑棋落子位置
action = black_player.get_move(board)
# 如果人类玩家输入 'Q',则表示想结束比赛，
# 现在只展示人类玩家的输入结果。
if action == "Q":
print("结束游戏：",action)
else:
# 打印白方被翻转的棋子位置
print("黑棋落子后反转白棋的棋子坐标：", board._move(action,black_player.color))
# 打印人类玩家黑棋落子后的棋盘
board.display() 
2.4 创建 Game 类
该类主要实现黑白棋的对弈，已经实现随机玩家和人类玩家，现在可以来对弈一下。
Game 类（game.py）的主要方法和属性:
- 属性：
self.board：棋盘self.current_player：定义当前的下棋一方，考虑游戏还未开始我们定义为 Noneself.black_player：定义黑棋玩家 black_playerself.white_player：定义白棋玩家 white_player
- 方法：
switch_player()：下棋时切换玩家run()：黑白棋游戏的主程序
!pip install func-timeout# 导入黑白棋文件
from game import Game
# 人类玩家黑棋初始化
black_player = HumanPlayer("X")
# 随机玩家白棋初始化
white_player = RandomPlayer("O")
# 游戏初始化，第一个玩家是黑棋，第二个玩家是白棋
game = Game(black_player, white_player)
# 开始下棋
game.run()考虑到人类下棋比较慢，我们直接采用随机玩家与随机玩家下棋,效果如下：
# 导入黑白棋文件
from game import Game
# 随机玩家黑棋初始化
black_player = RandomPlayer("X")
# 随机玩家白棋初始化
white_player = RandomPlayer("O")
# 游戏初始化，第一个玩家是黑棋，第二个玩家是白棋
game = Game(black_player, white_player)
# 开始下棋
game.run()2.5 创建 AI 玩家
通过以上流程的介绍或者学习，相信大家一定很熟悉如何玩这个游戏。
现在 AI 玩家需要大家来完善！
该部分主要是需要大家使用 『蒙特卡洛树搜索算法』 来实现 miniAlphaGo for Reversi。
import math
import random
import sys
from copy import deepcopy
class Node:
def __init__(self, now_board, parent=None, action=None, color=""):
self.visits = 0 # 访问次数
self.reward = 0.0 # 期望值
self.now_board = now_board # 棋盘状态
self.children = [] # 孩子节点
self.parent = parent # 父节点
self.action = action # 对应动作
self.color = color # 该节点玩家颜色
def get_ucb(self, ucb_param):
if self.visits == 0:
return sys.maxsize # 未访问的节点ucb为无穷大
# UCB公式
explore = math.sqrt(2.0 * math.log(self.parent.visits) / float(self.visits))
now_ucb = self.reward/self.visits + ucb_param * explore
return now_ucb
# 生个孩子
def add_child(self, child_now_board, action, color):
child_node = Node(child_now_board, parent=self, action=action, color=color)
self.children.append(child_node)
# 判断是否完全扩展
def full_expanded(self):
# 有孩子并且所有孩子都访问过了就是完全扩展
if len(self.children) == 0:
return False
for kid in self.children:
if kid.visits == 0:
return False
return True
class AIPlayer:
"""
AI 玩家
"""
def __init__(self, color):
"""
玩家初始化
:param color: 下棋方，'X' - 黑棋，'O' - 白棋
"""
self.max_times = 50 # 最大迭代次数
self.ucb_param = 1 # ucb的参数C
self.color = color
def uct(self, max_times, root):
"""
根据当前棋盘状态获取最佳落子位置
:param max_times: 最大搜索次数
:param root: 根节点
:return: action 最佳落子位置
"""
for i in range(max_times): # 最多模拟max次
selected_node = self.select(root)
leaf_node = self.extend(selected_node)
reward = self.stimulate(leaf_node)
self.backup(leaf_node, reward)
max_node = None # 搜索完成，然后找出最适合的下一步
max_ucb = -sys.maxsize
for child in root.children:
child_ucb = child.get_ucb(self.ucb_param)
if max_ucb < child_ucb:
max_ucb = child_ucb
max_node = child # max_node指向ucb最大的孩子
return max_node.action
def select(self, node):
"""
:param node:某个节点
:return: ucb值最大的叶子
"""
# print(len(node.children))
if len(node.children) == 0: # 叶子，需要扩展
return node
if node.full_expanded(): # 完全扩展,递归选择ucb最大的孩子
max_node = None
max_ucb = -sys.maxsize
for child in node.children:
child_ucb = child.get_ucb(self.ucb_param)
if max_ucb < child_ucb:
max_ucb = child_ucb
max_node = child # max_node指向ucb最大的孩子
return self.select(max_node)
else: # 没有完全扩展就选访问次数为0的孩子
for kid in node.children: # 从左开始遍历
if kid.visits == 0:
return kid
def extend(self, node):
if node.visits == 0: # 自身还没有被访问过，不扩展，直接模拟
return node
else: # 需要扩展,先确定颜色
if node.color == 'X':
new_color = 'O'
else:
new_color = 'X'
for action in list(node.now_board.get_legal_actions(node.color)): # 把所有可行节点加入孩子列表，并初始化
new_board = deepcopy(node.now_board)
new_board._move(action, node.color)
# 新建节点
node.add_child(new_board, action=action, color=new_color)
if len(node.children) == 0:
return node
return node.children[0] # 返回新的孩子列表的第一个，以供下一步模拟
def stimulate(self, node):
"""
:param node:模拟起始点
:return: 模拟结果reward
board.get_winner()会返回胜负关系和获胜子数
考虑胜负关系和获胜的子数，定义获胜积10分，每多赢一个棋子多1分
"""
board = deepcopy(node.now_board)
color = node.color
count = 0
while (not self.game_over(board)) and count < 50: # 游戏没有结束，就模拟下棋
action_list = list(node.now_board.get_legal_actions(color))
if not len(action_list) == 0: # 可以下，就随机下棋
action = random.choice(action_list)
board._move(action, color)
if color == 'X':
color = 'O'
else:
color = 'X'
else: # 不能下，就交换选手
if color == 'X':
color = 'O'
else:
color = 'X'
action_list = list(node.now_board.get_legal_actions(color))
action = random.choice(action_list)
board._move(action, color)
if color == 'X':
color = 'O'
else:
color = 'X'
count = count + 1
# winner:0-黑棋赢，1-白旗赢，2-表示平局
# diff:赢家领先棋子数
winner, diff = board.get_winner()
if winner == 2:
reward = 0
elif winner == 0:
# 这里逻辑是反的，写出了bug...应该是其他地方逻辑也反了一次，负负得正了...实在不想找bug了对不住
reward = 10 + diff
else:
reward = -(10 + diff)
if self.color == 'X':
reward = - reward
return reward
def backup(self, node, reward):
"""
反向传播函数
"""
while node is not None:
node.visits += 1
if node.color == self.color:
node.reward += reward
else:
node.reward -= reward
node = node.parent
return 0
def game_over(self, board):
"""
判断游戏是否结束
:return: True/False 游戏结束/游戏没有结束
"""
# 根据当前棋盘，双方都无处可落子，则终止
b_list = list(board.get_legal_actions('X'))
w_list = list(board.get_legal_actions('O'))
is_over = (len(b_list) == 0 and len(w_list) == 0) # 返回值 True/False
return is_over
def get_move(self, board):
"""
根据当前棋盘状态获取最佳落子位置
:param board: 棋盘
:return: action 最佳落子位置, e.g. 'A1'
"""
if self.color == 'X':
player_name = '黑棋'
else:
player_name = '白棋'
print("请等一会，对方 {}-{} 正在思考中...".format(player_name, self.color))
root = Node(now_board=deepcopy(board), color=self.color)
action = self.uct(self.max_times, root)
return action如果是要提交mian.py文件用于运行和测试，直接将上面创建 AI 玩家这部分代码全部复制到mian.py中，运行测试就好
以上就是 AI 玩家的初步代码，其中特别注意：
- 请不要修改get_move方法的输入和输出。
- 可以添加 AIPlayer 的属性和方法。
- 完善算法时请注意落子时间：落子需要在 60s 之内！
- 落子 3 次不在合法范围内即判断该方失败, 故落子前请检查棋子的合法性。
2.5.1 测试 AI 玩家
如果您已经实现 AIPlayer，你可以选人类玩家、随机玩家与 AIPlayer 算法对战，甚至 AIPlayer 与 AIPlayer 自己对战！
# 导入黑白棋文件
from game import Game
# 人类玩家黑棋初始化
black_player = HumanPlayer("X")
# AI玩家白棋初始化
white_player =AIPlayer("O")
# 游戏初始化，第一个玩家是黑棋，第二个玩家是白棋
game = Game(black_player, white_player)
# 开始下棋
game.run()3.运行结果
参考资料来源：B站
文章若有不当和不正确之处，还望理解与指出。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请联系博主删除。如有错误、疑问和侵权，欢迎评论留言联系作者，或者关注VX公众号：Rain21321，联系作者。
版权声明：本文为博主作者：不去幼儿园原创文章，版权归属原作者，如果侵权，请联系我们删除！
原文链接：https://blog.csdn.net/qq_51399582/article/details/134699979
