广工人工智能实验报告.docxVIP

实验课程名称： 人工智能 实验成绩学 号 3114006156实验者 叶海叵 专业班级 计科8 实验成绩 学 号 3114006156 实验者 叶海叵 专业班级 计科8班 实验日期 2016.11 一、实验内容 设计具有AI的井子棋游戏（采用js） AI采用a-3剪枝算法 二、实验设计（原理分析及流程） min电脑AI下棋时，如果考虑步数为 0,则代表直接返回当前棋盘估值 w （值越大代表对 max 越有优势，越小则代表对 min越有优势，w=maxW-minW ）。 如果考虑步数为 N,先获取min电脑可以下棋的位置 steps。 对于可以下棋的一步 step，电脑AI下棋到step的第row行，第column列。 如果这时候 min电脑已经赢了，则把棋盘回退一步，返回棋盘估值和下棋位置，不用再考虑其 他走法了。 否则，min需要在每一种走法里面，选择一种走法，令 max人类走N-1步之后，自己的优势保 持最大（即w值最小）。 什么是alpha-beta剪枝呢？就是如果 max人类当前一种走法 1至少可以获取 alpha优势，而 另一种走法2 , min电脑的一步棋则可能让人类获取比 alpha更小的优势，那么 max人类肯定 不会选择走法2,所以计算在计算 min电脑的走法时，min电脑的其他走法就不用再计算了。 最后min电脑经过steps.length种走法对比之后，选择w值最小的一种走法，把棋盘回退一步， 并返回棋盘估值和下棋位置。 max走法类似，人类会选择 w值最大的走法下棋，所以 max函数和min函数分别代表人和 AI 下棋，互相递归调用，直到递归到步数为 0时返回N步之后的估值。 三、实验代码及数据记录 1.代码 /** [Matrix 矩阵] @param ([type]} arr [ 矩阵二维数组] */ var Matrix = function(arr)( this.data = arr; this.row = arr.length; this.column = arr.length ? arr[0].length : 0; }； /** [multiply矩阵乘法转换] @param ([type]} matrix [转换矩阵] @return ([type]} [description] */ Matrix.prototype.multiply = function(matrix)( if (this.column == matrix.row)( var row = this.row, column = matrix.column, arr =[]; for (var i = 0; i row; i++)( arr[i]=[]; for (var j = 0; j column; j++)( var sum = 0; for (var n = 0; n this.column; n++)( sum += (this.data[i][n] * matrix.data[n][j]); } arr[i][j] = sum; } } return new Matrix(arr); } }; /** [Chessboard 棋盘] @param ([type]} row [description] @param ([type]} column [description] */ var Chessboard = function(row, column)( this.data =[]; this.row = row; this.column = column; for (var i = 0; i row; i++) ( this.data[i]=[]; for (var j = 0; j column; j++) ( this.data[i][j] = Chessboard.NONE; } } this.stack =[]; this.is_ended = false; }; /** [toString输出棋盘信息] @return ([type]} [description] */ Chessboard.prototype.toString = function()( return this.data.map(function(data)( return data.toString(); }).join(\n); }; /** [put下棋] @param ([type]} row [行] @param ([type]} column [列] @param ([type]} type [人还是 AI 下棋] @return ([type]} [description] */ Chessboar