基于WinCE 应用程序的围棋游戏开发.docVIP

基于WinCE 应用程序的围棋游戏开发 摘 要 机器博弈，也称计算机博弈，即让计算机下棋。围棋是一种策略性二人棋类游戏，使用格状棋盘及黑白二色棋子进行对弈。文中计算机围棋游戏引擎的开发采用马尔科夫决策模型，使用人工智能的知识，含有大量计算，整个计算紧密依赖于系统资源，计算量越大，引擎的选点越精确，棋力越高。针对嵌入式系统软硬件的特定性，其资源和计算能力的局限性，本文主要完成了两个工作：一是将实验室适用于PC 的游戏引擎移植到WinCE，开发适合嵌入式系统的围棋游戏引擎，实现大规模计算的移植，使游戏引擎在嵌入式有限的资源上，通过精简的计算量，达到不错的效果；二是实现WinCE 上围棋游戏前台界面的开发。 关键词 机器博弈，UCT，蒙特卡洛树搜索，嵌入式 引 言 计算机围棋就是结合人工智能技术教计算机下围棋，以达到与人类棋手相抗衡的目的。老式的围棋程序编程时注重在围棋知识,文中使用的对弈引擎，采用了蒙特卡洛博弈树搜索的思想。UCT 搜索是蒙特卡洛树搜索的核心，注重于海量的搜索和随机的下法搜索。因此整个过程是一个大规模的计算，需要大量资源的支持。嵌入式设备正日益渗透到人们的日常生活中，默默地为我们提供连接和服务，嵌入式设备往往是一个资源有限的系统，它们追求的是在有限的价格上满足一定的功能性要求。通常它们采用那些功能并不强大的CPU，这也是开发者不得不尽可能地压缩嵌入式系统性能的原因。最初的嵌入式设备是单一用途的，它们拥有各自独特的显示方式和用户界面，而今天它们变成了类似PC 的系统。它们可以运行很多相同的应用程序。针对嵌入式资源的限制，如何将对资源有很大依赖性的大规模的计算，成功的移植到嵌入式系统中，并能使其达到类似与在PC 上计算的效果。针对此问题，必须对原适用于PC 上的游戏引擎做出修改，才能使其在嵌入式系统中成功的运行。 1 游戏设计及框架 Windows CE 程序采用消息响应工作方式。当有事件发生时，如触摸笔点击屏幕等，这些统称为事件，Windows CE 操作系统产生相应的消息，并把消息发送到相应的窗口；窗口在收到消息后，通过一种所谓的“回调”方式，指示Windows CE操作系统调用相应的消息处理过程，进而完成对事件消息的处理。 嵌入式系统软硬件的特定性，使其在资源和计算能力有很大的局限性，由此，本文开发了适合嵌入式系统的围棋游戏引擎。并根据消息响应的工作方式添加相应的消息处理，从而实现Wince 平台上围棋游戏的开发。 1.1 PC 围棋游戏引擎的嵌入式移植 围棋游戏的设计中，包括了棋盘，对弈引擎，局面评估等。游戏的实现中，最主要的是对弈引擎的设计，即在当前诸多可下点中选取出比较好的点，从而使落子位置的选择尽可能准确，提高引擎的棋力水平。 经典的博弈搜索算法主要有minmax 算法、negamax 算法、alphabets 算法、failsoft 算法、negascout 算法和mtdf 算法等等。近年来又有抽象证据搜索、证据数搜索、分解搜索等算法出现。 博弈搜索算法的效率决定于几个因素：状态表示、候选走法产生、确定目标状态、确定相对优势状态的静态评估函数，另外死活搜索也可能是十分重要的影响因素。 文中对弈引擎的设计，采用了蒙特卡洛博弈树搜索的思想。UCT搜索是蒙特卡洛树搜索的核心，在搜索过程中，通过不断对其子节点完成一个UCB1选点的过程，来走完从根节点到叶子节点的一个路径，并完成对叶子节点的评估及展开。在UCT 搜索过程中，UCB1 是一个通常意义上不错的公式，当然，在实际中，可以根据自己的程序进行调整。 在 UCT 对弈引擎中，对于整棵博弈树，记录root 节点，之后，从跟节点开始，一层一层的运用UCB1 公式进行选择，当到达某一叶子节点，对局面进行评估，这样便完成一次模拟。整个过程就是不断的进行模拟，直到到达某一终止条件为止，该终止条件可以是时间或模拟次数。针对嵌入式系统本身的局限性，选择适当的时间或模拟次数，使得程序在允许的资源条件内，最大的发挥计算能力，提高引擎的水平。 为了优化博弈树的搜索，同时采用逐渐扩展的算法，为了能进行逐渐扩展，就必须首先对其叶子节点有个排序，而何时引入这些新的节点，是在模拟的最后，通过对该叶子节点被访问的次数进行判断而决定是否进行扩展。 在博弈树节点的展开过程中，如果不采用任何先验的知识，其子节点在展开时多是随机的，为了避免这种盲目性，将适当的知识引入到节点展开过程中，来对各个节点的重要性有个大致认识，由此来指引其子节点的展开，使之在展开和搜索的过程中具有更高的效率。这个静态排序的工作，是在搜索节点需要展开之前完成的。在排序时，由于排序是为蒙特卡洛树搜索来服务，所以在注重准确性的同