• Python蒙特卡洛树搜索算法实现的黑白棋AI系统


    资源下载地址:https://download.csdn.net/download/sheziqiong/85836329
    资源下载地址:https://download.csdn.net/download/sheziqiong/85836329

    利用给出的 board.py,使用蒙特卡洛树搜索算法来完成黑白棋 AI。

    AI 需要完成的功能:

    1. 在当前棋盘状态下,选择一个合法且在算法上最优的落子位置,作为返回值

    2. 搜索及决策时间不超过一分钟,若无合法位置则返回 None

    3. 在游戏结束(即双方均无合法落子位置)时,尽量最大化己方与对方的棋子数量差

    设计思想

    While (time_is_enough): 
     For (node = root; all son_node.visited in node.sons; node = 
    choson_son) 
     Choson_son = the son with max UCB of node
     # Selection,从根往下,选择一个儿子没有被完全访问过的节点
     
     Expand_Candidate = x if ((x in node.sons) and (not x.visited))
     Node_to_expand = random.choice(Expand_Candidate)
     # Expansion,随机选择一个没有被访问过的儿子节点
     Leaf = node
     For (node = Node_to_sxpand; node has son; node = 
    random.choice(node.sons))
    Leaf = node
    # Simulation,随机选择儿子节点直到叶子节点
    For (node = Leaf; node != root; node = node.father)
    Update(node)
    # Back Propagation, 更新访问过的信息以及胜负/奖励分数信息
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17

    在搜索过程中,每一次“采样”都有四个步骤:选择,扩展,模拟和反向传播:

    1. 其中选择主要受到 UCB 函数中 C 值的影响
    2. 扩展完全随机
    3. 模拟时由于黑白棋合法落子位置与当前局面的相关性非常大,没有找到随机以外的 合适方式进行落子(基于当前局面的贪心甚至不如随机算法)
    4. 反向传播时更新的收益分数也是可以人为影响算法效益的部分。由于 board.py 提 供了分数差的信息,可以用分数差的相关函数作为奖励收益(此处采用了分数差*k, k 为人为规定的系数)

    但是根据 UCB 的 score 函数组成,其实能发现 k 如果只是作为乘上去的系数,本质上就是 C,不过添加一个 k 可以方便调整也更直观而已。

    最后就是搜索次数可以对搜索效果产生影响了,由于给出了一分钟的落子时限,虽然在测试时使用的 25s 采样时间效果已经不错了,但在提交的时候应该还是会顶着时间上限吧(笑)

    代码内容

    ================================================================
    //UCB1:
     def UCB1(self, color, board_in):
     """
     :param color: 当前节点对应的颜色
     :param board_in: 当前棋盘状态
     :return : 根据采样结果,对 AI 方最有利的落子位置
     """
     board = deepcopy(board_in)
     score_act = None
     act = None
     action_list = list(board.get_legal_actions(color))
     rec_sum = 0 # 记录这个节点的总分(用来算 select 的子节点)
     for action in action_list:
     play_board = deepcopy(board)
     play_board._move(action, color)
     tmp_key = tuple(np.ravel(play_board._board))
     # 计算该 action 后对应的棋盘的 key 值
     if self.rec.get((color, tmp_key)):
     # 访问过则继续计算总分
     rec_sum += self.rec.get((color, tmp_key))
     for action in action_list:
     play_board = deepcopy(board)
     play_board._move(action, color)
     tmp_key = tuple(np.ravel(play_board._board))
     score_tmp = (self.scr.get((color, tmp_key)) / self.rec.get((color, 
    tmp_key)) + 
     self.C * math.sqrt(
     math.log(rec_sum) / self.rec.get((color, tmp_key))
     ))
     # 计算键值 以及积分
     if score_act == None:
     score_act, act = (score_tmp, action)
     else:
     if score_act < score_tmp:
     score_act, act = (score_tmp, action)
     # 更新积分最高的子节点
     return act
    ====================================================================
    //选择:
     def Select(self, board):
     """ 
     :param board: 输入需要被搜索的棋盘
     :return: color 是 select 到最后的那个节点已经落子的棋子颜色, act 是上一个
    落子的位置, tmpkey 是这个棋盘的状态
     """
     color = self.color
     while(True):
     # 一直 select 直到有一个节点没有完全被扩展
     action_list = list(board.get_legal_actions(color))
     if len(action_list) == 0:
     return None, None, None
     all_explored = True # 这个节点的子节点是否全部访问过
     non_vis_son = [] # 记录没有访问过的儿子节点
     rec_sum = 0 # 记录这个节点的总分(用来算 select 的子节点)
     for action in action_list:
     play_board = deepcopy(board)
     play_board._move(action, color)
     tmp_key = tuple(np.ravel(play_board._board))
     # 计算该 action 后对应的棋盘的 key 值
     if not self.rec.get((color, tmp_key)):
     # 没有访问过则记录 该子节点 以及更新节点未访问信息
     all_explored = False
     non_vis_son.append((action, tmp_key))
     else:
     # 访问过则继续计算总分
     rec_sum += self.rec.get((color, tmp_key))
     if all_explored:
     # 如果全部访问过,则在该节点中选择分数最高的儿子
     act = self.UCB1(color, board)
     else:
     # 有未访问节点,则随机返回一个未访问节点,作为 extend 的对象
     act, tmp_key = (random.choice(non_vis_son))
     board._move(act, color)
     return (color, act, tmp_key)
     
     # 到这里的时候应该是要 select 下一个节点了
     board._move(act, color)
     tmp_key = tuple(np.ravel(board._board))
     # 落子,更新新棋盘的 key 值
     self.vis.add((color, tmp_key))
     # 记录路径上的节点信息
     color = "X" if color == "O" else "O"
     # 切换颜色
    ====================================================================
    //扩展:
     def Expand(self, board, color, act, tmpkey):
     """
     :param board: 当前要扩展的棋盘
     :param color: 当前已经落子的棋子颜色
     :param act: 当前已经落子的位置
     :param tmpkey: 当前棋盘状态
     :return: 返回乘上系数后得到的分差
     """
     game_state, scr_diff = self.Simulate(board, color)
     self.rec[(color, tmpkey)] = 1
     # 记录该节点下的访问次数+1
     if (game_state == 0 and self.color == "O") or (game_state == 1 and 
    self.color == "X"):
     scr_diff = - scr_diff
     # 把 scr_diff 改成(AI-对方)的分差,可以为负
     scr_diff *= 0.4
     # 加一个系数
     if color == self.color:
     # 如果当前决策节点的颜色是 AI 的颜色,则加上分差,否则减去分差
     self.scr[(color, tmpkey)] = scr_diff
     else:
     self.scr[(color, tmpkey)] = - scr_diff
     return scr_diff
    ====================================================================
    //模拟:
     def Simulate(self, board, player):
     """
     用随机来模拟下棋过程
     :param board: 当前棋盘状态
     :param player: 当前刚完成落子的玩家
     :return: (winner, 分数差), 其中 winner 是 0 黑棋, 1 白棋, 2 平局
     """
     while(True):
     player = "X" if player == "O" else "O"
     # 切换执棋方
     legal_actions = list(board.get_legal_actions(player))
     if len(legal_actions) == 0:
     if self.game_over(board):
     return board.get_winner()
     # 0 黑棋, 1 白棋, 2 平局
     # 后面还有个分数差的参数
     break 
     else:
     continue
     
     if len(legal_actions) == 0:
     action = None
     else:
     action = random.choice(legal_actions)
     # 用随机落子来模拟
     if action is None:
     continue
     else:
     board._move(action, player)
     if self.game_over(board):
     return board.get_winner()
    ====================================================================
    //Back Propagation:
     def BackPropagate(self, scr_diff):
     """
     :param scr_diff: 乘上系数的 AI 与对手的分数差
     """
     for (color, key) in self.vis:
     self.rec[(color, key)] += 1
     if color == self.color: 
     # 如果当前决策节点的颜色是 AI 的颜色,则加上分差,否则减去分差
     self.scr[(color, key)] += scr_diff
     else:
     self.scr[(color, key)] -= scr_diff
    ====================================================================
    //UCTS 的主要部分:
     def MCTS_choice(self, board_input):
     """
     :param board_input: 输入当前棋盘
     :return: 返回落子坐标
     树的状态节点用 rec 和 scr 两个 dict 来存储,存下了(当前落子方,棋盘状态):
    (访问次数,合计分数)的状态
     """
     starttime = datetime.datetime.now()
     count = 0
     while True: 
     count += 1
     currenttime = datetime.datetime.now()
     if (currenttime - starttime).seconds > 3 or count > 1000:
     break 
     board = deepcopy(board_input)
     color = "X" if self.color == "O" else "O"
     # color 是对方的颜色
     self.vis = set() 
     # 记录树上搜索过的路径,方便更新
     color, act, tmpkey = self.Select(board) 
     # color 是 select 到最后的那个节点已经落子的棋子颜色
     # act 是上一个落子的位置
     # tmpkey 是这个棋盘的状态
     if color == None:
     # 如果没有可以落子的地方,进入下一轮尝试
     continue 
     scr_diff = self.Expand(board, color, act, tmpkey)
     # Expand 得到当前扩展节点的分数,并用于 bp
     self.BackPropagate(scr_diff)
     print(count)
     return self.UCB1(self.color, board_input)
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113
    • 114
    • 115
    • 116
    • 117
    • 118
    • 119
    • 120
    • 121
    • 122
    • 123
    • 124
    • 125
    • 126
    • 127
    • 128
    • 129
    • 130
    • 131
    • 132
    • 133
    • 134
    • 135
    • 136
    • 137
    • 138
    • 139
    • 140
    • 141
    • 142
    • 143
    • 144
    • 145
    • 146
    • 147
    • 148
    • 149
    • 150
    • 151
    • 152
    • 153
    • 154
    • 155
    • 156
    • 157
    • 158
    • 159
    • 160
    • 161
    • 162
    • 163
    • 164
    • 165
    • 166
    • 167
    • 168
    • 169
    • 170
    • 171
    • 172
    • 173
    • 174
    • 175
    • 176
    • 177
    • 178
    • 179
    • 180
    • 181
    • 182
    • 183
    • 184
    • 185
    • 186
    • 187
    • 188

    实验结果

    资源下载地址:https://download.csdn.net/download/sheziqiong/85836329
    资源下载地址:https://download.csdn.net/download/sheziqiong/85836329

  • 相关阅读:
    【C++模块实现】| 【08】循环覆盖写内存缓冲区(日志中多线程记录)
    springboot+vue【前后端分离】博客项目(已部署、大家可以来玩玩)
    ChainSafe跨链桥部署教程
    成都欢乐谷奇幻夜活动直播顺利开播,创意云激发文旅市场新活力
    grafana 通过查询结果设置动态阈值
    图 Dijkstra / Bellman-Ford / Floyd-Warshell Leetcode 743-Network Delay Time
    低代码维格云甘特视图入门教程
    电脑软件:推荐一款电脑多屏幕管理工具DisplayFusion
    《网络安全态势感知》学习笔记(一)——网络安全态势感知系统
    文档检索(search project)
  • 原文地址:https://blog.csdn.net/newlw/article/details/125540644