摘要：可以说，每个评估函数就是一个选手，对不同的棋型每个选手自然有不同的看法和应对措施，当然他们的棋力也就因此各不相同了。方搜索最大值，人类方搜索最小值。了解了上述原理之后，就可以自己写代码实现了。
公众号：Charles的皮卡丘
作者：Charles
开发工具：
Python版本：3.6.4
相关模块：
graphics模块。
环境搭建：
安装Python并添加到环境变量即可。
原理简介：
对于五子棋这样的博弈类AI，很自然的想法就是让计算机把当前所有可能的情况都尝试一遍，找到最优的落子点。这里有两个问题：
（1）如何把所有可能的情况都尝试一遍；
（2）如何定量判断某落子点的优劣。
对于第一个问题，其实就是所谓的博弈树搜索，对于第二个问题，其实就是所谓的选择评估函数。评估函数的选取直接决定了AI算法的优劣，其形式也千变万化。可以说，每个评估函数就是一个选手，对不同的棋型每个选手自然有不同的看法和应对措施，当然他们的棋力也就因此各不相同了。
但博弈树搜索就比较固定了，其核心思想无非是让计算机考虑当前局势下之后N步所有可能的情况，其中奇数步（因为现在轮到AI下）要让AI方的得分最大，偶数步要让AI方的得分最小（因为对手也就是人类，也可以选择最优策略）。
当然这样的搜索其计算量是极大的，这时候就需要剪枝来减少计算量。例如下图：
其中A代表AI方，P代表人类方。AI方搜索最大值，人类方搜索最小值。因此Layer3的A1向下搜索的最终结果为4，Layer3的A2向下搜索，先搜索Layer4的P3，获得的分值为6，考虑到Layer2的P1向下搜索时取Layer3的A1和A2中的较小值，而Layer3的A2搜索完Layer4的P3时，其值就已经必大于Layer3的A1了，就没有搜索下去的必要了，因此Layer3到Layer4的路径3就可以剪掉了。
上述搜索策略其实质就是：
minimax算法+alpha-beta剪枝算法。
了解了上述原理之后，就可以自己写代码实现了。当然实际实现过程中，我做了一些简化，但万变不离其宗，其核心思想都是一样的。
视频演示：
https://mp.weixin.qq.com/s/Y9...
源代码：
关注公众号：Charles的皮卡丘，回复“AI五子棋”获取。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/41942.html
摘要：简言之，机器学习是内功，而数据挖掘则是机器学习的一种用途。但本质上是我在学习机器学习方面的实战项目，所以我想办法利用机器学习的方面的算法实现。 BetaMeow的起源 前段时间AlphaGo和李世石广受关注，作为人工智能的脑残粉，看完比赛后激动不已，因为有一定的机器学习的基础，便打算撸一个棋类的AI，但我还算有点自知之明，围棋AI，甚至google打算做得通用AI是做不出的了，所以打算...
摘要：作者微信公众号的皮卡丘欢迎大家搜索关注知乎图像类画画实现手写笔记的压缩与增强实现简单的车牌检测算法类实现版贪吃蛇实现五子棋初版信息安全类简单实现隐写术使用破解滑块验证码其他制作简易浏览器实现浪漫表白实现地理信息可视化简单分析高考数据制作简易 作者：Charles微信公众号：Charles的皮卡丘（欢迎大家搜索关注）知乎：https://zhuanlan.zhihu.com/p/... ...
阅读 2885·2021-11-22 09:34
阅读 1213·2021-11-19 09:40
阅读 3336·2021-10-14 09:43
阅读 3569·2021-09-23 11:22
阅读 1603·2021-08-31 09:39
阅读 881·2019-08-30 15:55
阅读 1416·2019-08-30 15:54
阅读 857·2019-08-30 15:53
