https://www.xin3721.com/eschool/pythonxin3721/

本文轉載至知乎ID：Charles（白露未晞）知乎個人專欄

下載W3Cschool手機App，0基礎隨時隨地學編程>>戳此了解

導語

閑來無事寫了個比較愚蠢的AI五子棋。

T_T當然你好好和它下，它還是比較機智的。

讓我們愉快地開始吧~~~

相關文件

網盤下載鏈接: https://pan.baidu.com/s/1DV09ZdyNMoZF2KoKQ4GH_A

密碼: ujrh

開發工具

Python版本：3.6.4

相關模塊：

graphics模塊。

環境搭建

安裝Python并添加到環境變量即可。

注：

graphics模塊在相關文件中已經提供，就是一個py文件，直接放在當前路徑或者放到python安裝文件夾下的site-packages文件夾內均可。

原理簡介

對于五子棋這樣的博弈類AI，很自然的想法就是讓計算機把當前所有可能的情況都嘗試一遍，找到最優的落子點。這里有兩個問題：

（1）如何把所有可能的情況都嘗試一遍；

（2）如何定量判斷某落子點的優劣。

對于第一個問題，其實就是所謂的博弈樹搜索，對于第二個問題，其實就是所謂的選擇評估函數。評估函數的選取直接決定了AI算法的優劣，其形式也千變萬化。可以說，每個評估函數就是一個選手，對不同的棋型每個選手自然有不同的看法和應對措施，當然他們的棋力也就因此各不相同了。

但博弈樹搜索就比較固定了，其核心思想無非是讓計算機考慮當前局勢下之后N步所有可能的情況，其中奇數步（因為現在輪到AI下）要讓AI方的得分最大，偶數步要讓AI方的得分最小（因為對手也就是人類，也可以選擇最優策略）。

當然這樣的搜索其計算量是極大的，這時候就需要剪枝來減少計算量。例如下圖：

其中A代表AI方，P代表人類方。AI方搜索最大值，人類方搜索最小值。因此Layer3的A1向下搜索的最終結果為4，Layer3的A2向下搜索，先搜索Layer4的P3，獲得的分值為6，考慮到Layer2的P1向下搜索時取Layer3的A1和A2中的較小值，而Layer3的A2搜索完Layer4的P3時，其值就已經必大于Layer3的A1了，就沒有搜索下去的必要了，因此Layer3到Layer4的路徑3就可以剪掉了。

上述搜索策略其實質就是：

minimax算法+alpha-beta剪枝算法。

了解了上述原理之后，就可以自己寫代碼實現了。當然實際實現過程中，我做了一些簡化，但萬變不離其宗，其核心思想都是一樣的。

具體實現過程詳見相關文件中的源代碼。

使用演示

在cmd窗口運行GobangAI.py文件即可。

下面的視頻是我和AI的一局對弈，我執黑先行，所以贏的比較輕松T_T。畢竟五子棋先手者優勢巨大，或者說在某些情況/規則下是必勝的。至于原因，在相關文件中提供了兩篇論文，感興趣的可以看看。

點擊查看視頻

更多

之后有時間的話會研究一下基于深度學習的AI五子棋算法，目前這個版本還是比較low的，當然你好好和它下的話，它還是可以走出一些精妙的步子的。

T_T沒有仔細測試，如果有什么bug可以留言反饋給我，我會進行修復。

總結

以上是生活随笔為你收集整理的qpython3h教程_Python3实现AI五子棋【初版】|python3教程|python入门|python教程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。