五子棋人工智能算法实现研究.docVIP

　　五子棋人工智能算法实现研究 五子棋人工智能算法实现研究 五子棋是一种两人对弈的纯策略型棋类游戏，是起源于中国古代的传统黑白棋种之一。现代五子棋日文称之为连珠，英译为Renju，英文称之为Gobang或FIR（Five in a Ro.收集整理若干步之后， 从可能的走法中选一步相对好的来走。若最大（MAX）节点为己方下的棋，此时选择估值最大的点走。最小（MIN）节点为对方下的棋，此时选择估值最小的点行走。因此MIN节点的父节点（MAX节点）所赋的倒推值等于端节点估值中的最大值。另一方面，MAX节点的父节点（MIN节点）所赋的倒推值等于端节点估值中的最小值。这样一级一级地计算倒推值，直至起始节点的后继节点也被赋以倒推值为止，即从下往上逐层交替使用极小极大的选值方法。但当搜索深度增加时，搜索节点快速大幅增加，时间和内存空间消耗太大，且利用先前信息的效率较低。于是人们在极小极大的基础上提出了alpha;-beta;剪枝技术。 　　3. alpha;-beta;剪枝算法。 　　alpha;-beta;剪枝算法[2]是在极大极小算法的基础上，当甲向下搜索节点时发现走第一个子节点就可以赢了，则剩下的节点就不需要再搜索，甲的值就是第一个子节点的值。即可以将甲的其余后继节点抛弃，此过程称为剪枝。如果甲所在的层是MAX 节点的层，则称此剪枝为alpha;剪枝，否则成为beta;剪枝。如图1左半部所示的一棵极大极小树的片断。其中节点下方数字为该节点的值，方形框节点代表计算机走，圆形框节点代表人走。A节点表示计算机走，由于A是极大值点，根据极小极大搜索原理它要从B和C当中选最大的值。假设目前已经通过估值得出B为18，当搜索C节点时，因为C是该人走，所以根据极小极大搜索原理要从D、E、F中选取最小的值。此时如果估出D为16，那么C的值必小于或等于16。又因为已经得出B的值为18，说明节点A的值为Max（B，C）=18，也就是说无须求出节点C的其他子节点如E、F的值就可以得出父节点A的值。这种将节点D 的后继兄弟节点剪去的方法称为Alpha剪枝。 　　同理，在图1右半部一棵极大极小树的片段中，将节点D 的后继兄弟节点剪去称为Beta 剪枝。与极小极大算法相比，alpha;-beta;剪枝需要遍历的节点远远减少，它能在较短的时间内找到最佳的走法节点。 　　二、 五子棋智能算法实现及优化 　　1. 估值函数。 　　为使用极大极小算法，需要对一个估值函数Eval （p）对当前棋局进行估值，p是当前局面。即由这个估值函数确定哪个局面更好，如果Eval（p1）lt;eval（p2），我们就有理由相信，p2比p1更好。对于五子棋而言，由其胜负判定规则可以很容易设定不同的棋型的优先级，从而得到比较合理的估值函数。例如，四个棋子连成一线且还能继续落子的棋型（活四）显然要比只有三个棋子连成一线（活三或死三）好。另外，为了尽可能地加快搜索速度，估值函数应设计的越仔细越好。估值时，需要从四个方向上来考虑所下棋子对当前盘面的影响。这四个方向分别是以该棋子为出发点，水平、竖直和两条为45度角和135度角的线。算法中关于棋子死活的规定如下：一方落子后，它的落子连成的一条线有两条不损伤的出路，则称该棋型是活的。否则称该棋型是死的。比如关于活三的定义：不论对手如何落子，仍然至少有一种方法可以冲四。因此，b？aaa？ B中的三个A，不能算是活三；B？AAAB中的三个A，也不是活三，尽管它有可能成为活四。这样，棋型的估值设计才能比较细致。本文算法对特定棋型的估值如表1所示。= lt;br=gt;　　2. 算法实现及优化 　　使用以上定义的估值函数和描述的算法，可以实现基本的人机对弈。但是在实现中，由于搜索深度增加后运算量呈指数级数增加，运算效率急剧下降。为提高搜索效率，增进用户体验，提出以下优化改进方法： 　　减少搜索范围。对于19*19的五子棋棋盘而言，传统算法中计算机每走一步都要遍历整个棋盘，对棋面上所有空位都进行试探性下子并估值，大大影响了算法的效率。本文采用在某个时只要考虑距以棋子为中心边长为4的正方形区域即可，这样便缩小了搜索空间，提高搜索效率。 　　减少计算量。为进一步减少计算量，提高计算机反应速度，通过以空间换时间的方法，在游戏过程中维持一个棋盘所有位置的估值信息的数组。每次对棋盘上的每个位置的当前估值进行计算后，存储在当前棋局信息中。当新的棋局产生时，只需更新计算新下子位置和相关位置的估值，而对其他可下子位置的估值只需查询上步棋局信息即可。这样保持的估值表虽然增大了空间需求，但可以大大减少搜索算法的估值计算时间，提高了算法执行效率。 　　三、 结论及后续工作 　　本文主要论述了五子棋游戏的基本游戏规则，传统五子棋人机对弈游戏的基本算法，描述了算法实现的MinMax算法和