腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

python版本五子棋的實現(xiàn)代碼

更新時間：2018年12月11日 10:09:05 作者：HustWolf

五子棋是常見的一款小游戲，五子棋問題是人工智能中的一個經(jīng)典問題。這篇文章主要介紹了python版本五子棋的實現(xiàn)代碼，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧

正文之前

前陣子做了個《人工智能》的課程作業(yè)，然后寫了個人工智障。。。大概就是個可以跟你下五子棋的傻兒子。。。下面是代碼和效果

正文

1、摘要

機器博弈是人工智能領(lǐng)域的重要分支，它的研究對象多以復(fù)雜的棋牌類智力游戲為主，已經(jīng)得到解決的棋類游戲，幾乎全部都應(yīng)歸功于機器博弈近半個世紀的發(fā)展。計算機解決問題的優(yōu)勢在于能把不易解析的問題，借助于現(xiàn)代計算機的運算速度優(yōu)勢枚舉出所有的合理情形而得解;然而，博弈問題的復(fù)雜程度決定了它不能過度依賴機器的計算能力。許多待解決的或已經(jīng)解決的棋類，其狀態(tài)空間復(fù)雜度或博弈樹復(fù)雜度量級都太過龐大，所以我們需要添加約束，并且采用合理的算法進行優(yōu)化。

五子棋問題是人工智能中的一個經(jīng)典問題。當今世界，AlphaGo已經(jīng)執(zhí)圍棋之牛耳，五子棋領(lǐng)域卻鮮少有人問津。本文根據(jù)課堂所學(xué)知識結(jié)合文獻、博客，基于兩種開發(fā)語言實現(xiàn)了一個智能對戰(zhàn)的AI五子棋游戲平臺。

本文所做工作如下：

（1）五子棋界面實現(xiàn)；

（2）智能判定棋盤走勢；

（3）改進了棋盤掃描方式；

（4）改良了系統(tǒng)評分表評估方式；

（5）實現(xiàn)了基于點評分表估值找出最佳落子方式。

2、問題描述、知識表達

2.1 問題描述

五子棋AI問題的最大問題是如何實現(xiàn)智能對弈，即當人落子之后，算法如何解讀當前的棋盤并且對其進行分析解讀，得到電腦方的最佳落子點。其次還有一個問題是如何判斷勝利，這可以作為前面棋盤局勢判定的一個子問題，也可以看做是一個單獨的問題，不過這個問題總體來說較為簡單，所以不做詳細說明。

2.2 知識表達

五子棋的整體知識構(gòu)建包含以下部分：

（1）棋盤局面表示法

（2）棋局勝利判定

（3）棋型知識庫

（4）智能博弈流程

對于問題（1），采用數(shù)組表示法。棋盤中的各交叉點有三種狀態(tài)，不妨令 0表示空(未放置棋子) ，-1 表示有黑子，1 表示有白子，數(shù)組表示法的基本思想是:以交叉點對應(yīng)的數(shù)組索引值來表達物理位置，以交叉點對應(yīng)的元素值表達狀態(tài)(空、黑子、白子)。令 V = {0 ，1 ，-1} ，棋盤的第 i 個交叉點的狀態(tài) Si ∈V ，任何棋局都可以表示成一個 n ×n 的二元組。

對于問題（2），采用數(shù)組表示法時，想知道任意兩個元素 Si 和Sj 是否共線，要通過 i 和 j 之間的數(shù)值規(guī)律來判斷。從這方面看，數(shù)組表示法是一種原始、低效的表示方法，但是對于評分表算法來說其性能損失是可以接受的。要判斷是否有一方已經(jīng)勝利，只需要對整個棋盤判定當前落子點的縱、橫、正斜、反斜四個方向的最長延伸出四個位置看是否能連成一條同色直線即可。具體的操作可以視為：從落子點出發(fā)，向兩個方向延伸，如果遇到同色，那么計數(shù)器加一，遇到非同色（空白或者異色）則停止在該方向的延伸，一個計數(shù)器記下該方向上的兩頭的連續(xù)同色棋子數(shù)。等到四個方向都探索完畢，如果四個計數(shù)器中有一個計數(shù)器達到了5，那么即可判斷出已經(jīng)有五子連珠了，此局結(jié)束。

問題（3）棋型知識庫主要包括各種既定的棋盤形式，有如下幾種：

² 活四：有兩個連五點（即有兩個點可以形成五），圖中白點即為連五點。當活四出現(xiàn)的時候，整個局勢已經(jīng)無法阻止連五了，活四的歸屬方一定能取得勝利；

² 沖四：有一個連五點，如下面三圖，均為沖四棋型。圖中白點為連五點。相對比活四來說，沖四的威脅性就小了很多，因為這個時候，只要跟著防守在那個唯一的連五點上，沖四就沒法形成連五。

² 活三：可以形成活四的三，如下圖，代表兩種最基本的活三棋型。圖中白點為活四點?；钊逍褪沁M攻中最常見的一種，因為活三之后，如果對方不以理會，將可以下一手將活三變成活四，而活四是無法防守的。所以，面對活三的時候，需要非常謹慎對待。在沒有更好的進攻手段的情況下，必須對其進行防守，以防止其形成可怕的活四棋型。

² 眠三： 只能夠形成沖四的三，如下各圖，分別代表最基礎(chǔ)的六種眠三形狀。圖中白點代表沖四點。眠三的棋型與活三的棋型相比，危險系數(shù)下降不少，因為眠三棋型即使不去防守，下一手它也只能形成沖四，而對于單純的沖四棋型，是可以很簡單的防守住的。

² 活二：能夠形成活三的二，如下圖，是三種基本的活二棋型。圖中白點為活三點。

² 眠二：能夠形成眠三的二。圖中四個為最基本的眠二棋型，細心且喜歡思考的同學(xué)會根據(jù)眠三介紹中的圖2-13找到與下列四個基本眠二棋型都不一樣的眠二。圖中白點為眠三點。

對于上述的棋型，我們主要考慮的是活四、沖四、活三、眠三這幾種主要的進攻棋型的防守與構(gòu)成，整體棋型遵從以下原則：優(yōu)先考慮數(shù)目，同等數(shù)目的情況下考慮是活是眠。評分表算法的設(shè)計整體偏向于防守。

對于問題（4），當下棋型的評估分析，算法嚴格遵從以下流程：

當人類方落下一子，算法啟動，掃描全局，得到人類棋子的集合和電腦棋子的集合。全局掃描之后，對當前局勢進行排序、計算。對每個集合的每個空白點位置打分，打分依據(jù)是根據(jù)這個點周圍四個方向上的同色連續(xù)棋子的數(shù)量。按照這些最后得到的評分，得出最大值。得到人類方和電腦方的兩個最大值之后，進行比較，如果人類方局勢較好（分數(shù)較高），則算法將下一次落子位置設(shè)置為人類方得分最高的點，盡力降低人類方的下一步得分；如果電腦方的分數(shù)較高，那么則直接在使得分數(shù)最高的點落子即可。

3、開發(fā)工具

本次課程設(shè)計，一共設(shè)計了兩個版本，一個Java版本，為19X19的棋盤，配備簡單的消息提示，基于AWT實現(xiàn)GUI，開發(fā)工具IntelliJ IDEA 2018.1

另一個版本是使用Python設(shè)計，核心算法相同，但是受限于圖片源文件，為15X15棋盤，基于pygame實現(xiàn)GUI，開發(fā)工具是：JetBrains PyCharm 2018.2.4 x64

4、代碼實現(xiàn)

from time import sleep
import pygame
from pygame.locals import *
from random import randint

level = 15
grade = 10
MAX = 1008611
def Scan(chesspad, color):
 shape = [[[0 for high in range(5)] for col in range(15)] for row in range(15)]
 # 掃描每一個點，然后在空白的點每一個方向上做出價值評估??！
 for i in range(15):
 for j in range(15):

  # 如果此處為空 那么就可以開始掃描周邊
  if chesspad[i][j] == 0:
  m = i
  n = j
  # 如果上方跟當前傳入的顏色參數(shù)一致，那么加分到0位！
  while n - 1 >= 0 and chesspad[m][n - 1] == color:
   n -= 1
   shape[i][j][0] += grade
  if n-1>=0 and chesspad[m][n - 1] == 0:
   shape[i][j][0] += 1
  if n-1 >= 0 and chesspad[m][n - 1] == -color:
   shape[i][j][0] -= 2
  m = i
  n = j
  # 如果下方跟當前傳入的顏色參數(shù)一致，那么加分到0位！
  while (n + 1 < level and chesspad[m][n + 1] == color):
   n += 1
   shape[i][j][0] += grade
  if n + 1 < level and chesspad[m][n + 1] == 0:
   shape[i][j][0] += 1
  if n + 1 < level and chesspad[m][n + 1] == -color:
   shape[i][j][0] -= 2
  m = i
  n = j
  # 如果左邊跟當前傳入的顏色參數(shù)一致，那么加分到1位！
  while (m - 1 >= 0 and chesspad[m - 1][n] == color):
   m -= 1
   shape[i][j][1] += grade
  if m - 1 >= 0 and chesspad[m - 1][n] == 0:
   shape[i][j][1] += 1
  if m - 1 >= 0 and chesspad[m - 1][n] == -color:
   shape[i][j][1] -= 2
  m = i
  n = j
  # 如果右邊跟當前傳入的顏色參數(shù)一致，那么加分到1位！
  while (m + 1 < level and chesspad[m + 1][n] == color):
   m += 1
   shape[i][j][1] += grade
  if m + 1 < level and chesspad[m + 1][n] == 0:
   shape[i][j][1] += 1
  if m + 1 < level and chesspad[m + 1][n] == -color:
   shape[i][j][1] -= 2
  m = i
  n = j
  # 如果左下方跟當前傳入的顏色參數(shù)一致，那么加分到2位！
  while (m - 1 >= 0 and n + 1 < level and chesspad[m - 1][n + 1] == color):
   m -= 1
   n += 1
   shape[i][j][2] += grade
  if m - 1 >= 0 and n + 1 < level and chesspad[m - 1][n + 1] == 0:
   shape[i][j][2] += 1
  if m - 1 >= 0 and n + 1 < level and chesspad[m - 1][n + 1] == -color:
   shape[i][j][2] -= 2
  m = i
  n = j
  # 如果右上方跟當前傳入的顏色參數(shù)一致，那么加分到2位！
  while (m + 1 < level and n - 1 >= 0 and chesspad[m + 1][n - 1] == color):
   m += 1
   n -= 1
   shape[i][j][2] += grade
  if m + 1 < level and n - 1 >= 0 and chesspad[m + 1][n - 1] == 0:
   shape[i][j][2] += 1
  if m + 1 < level and n - 1 >= 0 and chesspad[m + 1][n - 1] == -color:
   shape[i][j][2] -= 2
  m = i
  n = j
  # 如果左上方跟當前傳入的顏色參數(shù)一致，那么加分到3位！
  while (m - 1 >= 0 and n - 1 >= 0 and chesspad[m - 1][n - 1] == color):
   m -= 1
   n -= 1 
   shape[i][j][3] += grade
  if m - 1 >= 0 and n - 1 >= 0 and chesspad[m - 1][n - 1] == 0:
   shape[i][j][3] += 1
  if m - 1 >= 0 and n - 1 >= 0 and chesspad[m - 1][n - 1] == -color:
   shape[i][j][3] -= 2
  m = i
  n = j
  # 如果右下方跟當前傳入的顏色參數(shù)一致，那么加分到3位！
  while m + 1 < level and n + 1 < level and chesspad[m + 1][n + 1] == color:
   m += 1
   n += 1
   shape[i][j][3] += grade
  if m + 1 < level and n + 1 < level and chesspad[m + 1][n + 1] == 0:
   shape[i][j][3] += 1
  if m + 1 < level and n + 1 < level and chesspad[m + 1][n + 1] == -color:
   shape[i][j][3] -= 2
 return shape


def Sort(shape):
 for i in shape:
 for j in i:
  for x in range(5):
  for w in range(3, x - 1, -1):
   if j[w - 1] < j[w]:
   temp = j[w]
   j[w - 1] = j[w]
   j[w] = temp
 print("This Time Sort Done !")
 return shape


def Evaluate(shape):
 for i in range(level):
 for j in range(level):

  if shape[i][j][0] == 4:
  return i, j, MAX
  shape[i][j][4] = shape[i][j][0]*1000 + shape[i][j][1]*100 + shape[i][j][2]*10 + shape[i][j][3]
 max_x = 0
 max_y = 0
 max = 0
 for i in range(15):
 for j in range(15):
  if max < shape[i][j][4]:
  max = shape[i][j][4]
  max_x = i
  max_y = j
 print("the max is "+ str(max) + " at ( "+ str(max_x)+" , "+str(max_y)+" )")
 return max_x, max_y, max


class chess(object):
 def __init__(self):
 self.a = [[0 for high in range(15)] for col in range(15)] 

 def fall(self, x, y, color):
 if (x < 0 or x > level - 1 or y < 0 or y > level - 1):
  return
 self.a[x][y] = color
 if Judge(x, y, color, self.a, 4):
  if color < 0:
  print("The Winner is White!!")
  else:
  print("The Winner is Black!!")

 def isEmpty(self, m, n):
 if self.a[m][n] != 0:
  return False
 else:
  return True


def Judge(x, y, color, CHESSLOCATION, length):
 count1, count2, count3, count4 = 0, 0, 0, 0
 # 橫向判斷
 i = x - 1
 while (i >= 0):
 if color == CHESSLOCATION[i][y]:
  count1 += 1
  i -= 1
 else:
  break
 i = x + 1
 while i < level:
 if CHESSLOCATION[i][y] == color:
  count1 += 1
  i += 1
 else:
  break

 # 縱向判斷
 j = y - 1
 while (j >= 0):
 if CHESSLOCATION[x][j] == color:
  count2 += 1
  j -= 1
 else:
  break
 j = y + 1
 while j < level:
 if CHESSLOCATION[x][j] == color:
  count2 += 1
  j += 1
 else:
  break

 # 正對角線判斷
 i, j = x - 1, y - 1
 while (i >= 0 and j >= 0):
 if CHESSLOCATION[i][j] == color:
  count3 += 1
  i -= 1
  j -= 1
 else:
  break
 i, j = x + 1, y + 1
 while (i < level and j < level):
 if CHESSLOCATION[i][j] == color:
  count3 += 1
  i += 1
  j += 1
 else:
  break
 # 反對角線判斷
 i, j = x + 1, y - 1
 while (i < level and j >= 0):
 if CHESSLOCATION[i][j] == color:
  count4 += 1
  i += 1
  j -= 1
 else:
  break
 i, j = x - 1, y + 1
 while (i > 0 and j < level):
 if CHESSLOCATION[i][j] == color:
  count4 += 1
  i -= 1
  j += 1
 else:
  break

 if count1 >= length or count2 >= length or count3 >= length or count4 >= length:
 return True
 else:
 return False


def Autoplay(ch, m, n):
 a1 = [1,-1,1,-1,1,-1,0,0]
 b1 = [1,-1,-1,1,0,0,1,-1]
 rand = randint(0,7)
 while m+a1[rand]>=0 and m+a1[rand]<level and n+b1[rand]>=0 and n+b1[rand]<level and ch[m+a1[rand]][n+b1[rand]]!=0 :
 rand = randint(0,7)
 return m + a1[rand], n+b1[rand]

def BetaGo(ch, m, n, color, times):
 if times < 2:
 return Autoplay(ch, m, n)
 else:
 shape_P = Scan(ch, -color)
 shape_C = Scan(ch,color)
 shape_P = Sort(shape_P)
 shape_C = Sort(shape_C)
 max_x_P, max_y_P, max_P = Evaluate(shape_P)
 max_x_C, max_y_C, max_C = Evaluate(shape_C)
 if max_P>max_C and max_C<MAX:
  return max_x_P,max_y_P
 else:
  return max_x_C,max_y_C


def satrtGUI(ch):
 pygame.init()
 bg = 'bg.png'
 white_image = 'white.png'
 black_image = 'black.png'

 screen = pygame.display.set_mode((750, 750), 0, 32)
 background = pygame.image.load(bg).convert()
 white = pygame.image.load(white_image).convert_alpha()
 black = pygame.image.load(black_image).convert_alpha()
 white = pygame.transform.smoothscale(white, (int(white.get_width() * 1.5), int(white.get_height() * 1.5)))
 black = pygame.transform.smoothscale(black, (int(black.get_width() * 1.5), int(black.get_height() * 1.5)))

 screen.blit(background, (0, 0))
 font = pygame.font.SysFont("黑體", 40)

 pygame.event.set_blocked([1, 4, KEYUP, JOYAXISMOTION, JOYBALLMOTION, JOYBUTTONDOWN, JOYBUTTONUP, JOYHATMOTION])
 pygame.event.set_allowed([MOUSEBUTTONDOWN, MOUSEBUTTONUP, 12, KEYDOWN])

 dot_list = [(25 + i * 50 - white.get_width() / 2, 25 + j * 50 - white.get_height() / 2) for i in range(level) for
  j in range(level)]
 color = -1
 times = 0
 flag = False
 while not flag:
 for event in pygame.event.get():
  if event.type == QUIT:
  exit()
  elif event.type == MOUSEBUTTONDOWN:
  x, y = pygame.mouse.get_pos()
  if 25 <= x <= 725 and 25 <= y <= 725 and ((x - 25) % 50 <= level or (x - 25) % 50 >= 0) and (
   (y - 25) % 50 <= level or (y - 25) % 50 >= 0):
   color = -1 * color
   m = int(round((x - 25) / 50))
   n = int(round((y - 25) / 50))
   if not ch.isEmpty(m, n):
   print("Black OverWrite~~")
   continue
   ch.fall(m, n, color)
   screen.blit(black, dot_list[level * m + n])
   if Judge(m, n, color, ch.a, 4):
   screen.blit(font.render('GAME OVER,Black is win!', True, (110, 210, 30)), (80, 650))
   break

   color = -1 * color
   sleep(0.1)
   x, y = BetaGo(ch.a, m, n, color, times)
   times += 1
   print("Predict:" + str(x) + " and " + str(y))
   ch.fall(x, y, color)
   screen.blit(white, dot_list[level * x + y])
   if Judge(x, y, color, ch.a, 4):
   screen.blit(font.render('GAME OVER,White is win!', True, (217, 20, 30)), (80, 650))
   break
 pygame.display.update()
 if flag:
  sleep(5)

now = chess()
satrtGUI(now)

bg.png

black.png

white.png

5、小結(jié)及展望

5.1 小結(jié)

因為近期時間較為緊迫，所以《人工智能》這門課我選擇了較為簡單的五子棋問題進行課程設(shè)計。在本次課程設(shè)計中，我的編碼能力、調(diào)試能力、算法解讀實現(xiàn)能力、函數(shù)優(yōu)化能力等各方面有了長足的進步。在本次的設(shè)計過程中也出現(xiàn)了幾個問題，下面對這些問題進行一個簡單的描述：

（1）對棋盤局勢的判斷力不夠，因為只是簡單的對當前的棋盤局勢進行判斷，基本等同于一個粗通規(guī)則而且天賦不高的五子棋選手。如果對手很細心，而且熟練經(jīng)營各種布局策略，那么基本這個算法就會被鉆研出習(xí)慣，從而被輕易針對，而且針對方案百試不爽；

（2）判斷棋局形式的時候?qū)吔绲脑u分算法跟中心區(qū)域的評分算法一致，無法有效提前識別邊界，降低邊界空白點的權(quán)重；

（3）用戶圖形界面需要改進，另外可以增設(shè)PK模式以及選色、選擇棋盤大小功能等；

5.2 展望

后續(xù)可以嘗試用博弈樹算法嘗試與當前算法進行比較。評分表算法犧牲了更高的精度，以求迅速的得出最佳落子點；而博弈樹可以通過提前落子進行全局預(yù)判進行更全方位的對人類方的圍追堵截。

另外，可以通過在課堂上學(xué)到的知識，比如BFS、DFS、A*算法、決策樹算法等應(yīng)用于五子棋的智能決策中。

《人工智能》這門課讓我對于圖、知識表示、智能決策等各個方面有了更好地認識與體驗，課堂設(shè)計內(nèi)容充實有趣，讓我受益匪淺，希望今后可以更加深入這個方面，并且將課堂上學(xué)到的知識應(yīng)用于實踐之中。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: