AI实现五子棋机器人（一）
前言：
前幾天在 csdn 下載資源的時候才發現自己 csdn 有近 200 的下載積分，看了看共享的資源，哈哈 ... 7年前寫的五子棋游戲很受歡迎。
下載地址：新手入門五子棋游戲? ? ?剛入行的時候寫的，采用的 "權值" 計算法。
在這個 AI 的浪尖風口上，借助我對游戲領域的熱愛，在工作余外的時間喚起了我的想法，學習 AI 實現一個五子棋機器人。
一、五子棋介紹
種類及區別
先說說五子棋吧，通常大家玩的五子棋分為帶禁手和不帶禁手兩個版本，
（前者稱之為連珠Renju，后者一般稱之為五子棋Gomoku）
然而無論哪一個版本，先手黑棋均必勝。
（所謂黑必勝的意思是，只要黑棋按照一定的方式下，白棋選擇棋盤上的任何一個點都不可能贏棋。）
（禁手規則增加程序復雜度，暫不考慮加入）
這里只說結果，至于為什么參考文末資料：
1992年Victor Allis通過編程證明不帶禁手的五子棋，黑必勝。
2001年Janos Wagner第一次證明的帶禁手的五子棋，也是黑必勝。
先手優勢及棋譜介紹
黑棋的優勢到底有多大呢？在26個職業開局里，已經發現有19個是黑棋必勝的（一打必勝）。
因此為了進一步削弱黑棋的優勢，國際上推出五手兩打的規則。
(就是黑棋的第三步需要下兩個點，但由白棋挑選讓其下較弱的哪一個)
可是人們發現黑棋帶禁手依然是必勝。
從實踐的角度來講，網上是可以搜索地毯譜的，一般在幾百兆左右，可以用renlib軟件打開，
所謂地毯譜的意思就是黑棋會指定下法，但白棋每一步都可以選擇棋盤任意位置，最后黑棋必勝。也就是說，只要按照此棋譜下棋，五子棋世界冠軍都一定會輸給你。
（ 目前花月、浦月、云月、雨月、峽月、溪月、金星、水月、寒星、明星、嵐月、新月、名月，山月，殘月都是五手兩打必勝）
那么正式的比賽是怎么玩的呢？
現在的正式比賽通常會常用三手交換、五手兩打這些復雜的規則來平衡比賽，但這些規則的各個分支也是逐漸被人破解，
五子棋的比賽已經很大程度不是在考驗自己的臨場發揮，而是考驗選手對于少量黑白平衡 分支的記憶情況。
廣義的五子棋
不帶禁手的五子棋是屬于一類更為普遍的?m,n,k游戲?的一種特例，既 15,15,5。
m,n,k游戲是指m行n列，輪流下子，連成k個算贏。這個在數學中專門的研究如果在最理想下法（Perfect Play）的情況下有什么樣不同的結果，
比如標準的三連棋（Tic-tac-toe）是3,3,3是一個平局，同樣只有六路棋盤的五子棋也是平局，當然上面我們已經說明了15,15,5是先手必勝，
還有研究發現11,11，5也是先手必勝。m,n,k游戲只有先手必勝和平局兩種結果。由于每下一個子都一定會對下子一方那一方有優勢，
所以可以通過反證法證明m,n,k游戲里不可能有后手勝利的情況。如果后手有勝利的方法，
那么先手可以提前借鑒（Strategy stealing）過來實現必勝。
參考來自：Csdoker's Blog
?
二、人工智能介紹
先看圖，來自：《Google TensorFlow 深度學習架構》
AlphaGo 的介紹跳過、說說我們中國阿里巴巴的 "魯班" 號稱每秒能夠做 8000 張海報的 AI + Design 設計師。
其實也是機器學習在圖像領域的應用，通過循環訓練的方式。
?
在回來說本文的重點 "人機博弈" ，AlphaGo 主要是由三個部分組成：
蒙特卡羅數搜索（Monte Carlo tree search MCTS）
估值網絡（value network）
走棋網絡（policy network）
核心就是估值和走棋，故名思議。
通過在大量人類圍棋高手對弈的棋譜獲取的訓練數據，走棋網絡能夠預測 57% 人類圍棋高手的下一步；
但是通過這個還遠遠不足以戰勝人類冠軍，就融入了估值網絡，就是給當前的棋盤，判斷每個棋位輸贏的概率；
據說 AlphaGo 團隊將進入游戲領域的研究，星際爭霸2；
?
三、實現思路
開發語言：HTML5、JS （輕）
繪制棋盤、勝負判斷規則、界面操作功能，這些比較基礎的內容暫時不考慮；
采用一個三維數據來定義棋盤內容：
var _chessPieces = new Array(); _chessPieces[16][16][1] = -1; // [16][16] 棋盤大小：15 * 15，[1] 黑白棋子 (-1 沒有棋子，0 白色棋子，1 黑色棋子)轉載于:https://www.cnblogs.com/loongsoft/p/7827549.html
總結
以上是生活随笔為你收集整理的AI实现五子棋机器人（一）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 全国计算机等级考试题库二级C操作题100
- 下一篇： 十四步实现拥有强大AI的五子棋游戏