python alpha beta 剪枝_Minimax 和 Alpha-beta 剪枝算法简介,以及以此实现的井字棋游戏(Tic-tac-toe)...

前段时间用 React 写了个2048 游戏来练练手,准备用来回顾下 React 相关的各种技术,以及试验一下新技术。在写这个2048的过程中,我考虑是否可以在其中加入一个 AI 算法来自动进行游戏,于是我找到了这篇文章:2048-AI程序算法分析,文中介绍了 minimax 算法和 alpha-beta 剪枝算法。于是我决定先学习下这两种算法,并以此写了这个 tic-tac-toe 游戏:tic-tac-toe-js(代码见此处)。本文将说明如何用 JavaScript 来简单地实现算法,并将其运用到 tic-tac-toe 游戏中。

Minimax 算法简介

我觉得要解释 minimax 算法的原理,需要用示意图来解释更清晰,以下的几篇文章都对原理说的足够清楚。

其中后面的两篇文章都是以 tic-tac-toe 游戏为例,并用 Ruby 实现。

以棋类游戏为例来说明 minimax 算法,每一个棋盘的状态都会对应一个分数。双方将会轮流下棋。轮到我方下子时,我会选择分数最高的状态;而对方会选择对我最不利的状态。可以这么认为,每次我都需要从对手给我选择的最差(min)局面中选出最好(max)的一个,这就是这个算法名称 minimax 的意义。

我们接下来会解决这样一个问题,如上图所示,正方形的节点对应于我的决策,圆形的节点是对手的决策。双方轮流选择一个分支,我的目标是让最后选出的数字尽可能大,对方的目标是让这个数字尽可能小。

Minimax 算法的实现

为了简单起见,对于这个特定的问题,我用了一个嵌套的数组来表示状态树。

const dataTree = [

[

[

[3, 17], [2, 12]

],

[

[15], [25, 0]

]

],

[

[

[2, 5], [3]

],

[

[2, 14]

]

]

];

图中的节点分为两种类型:

Max 节点:图中的正方形节点,对应于我的回合,它会选取所有子节点中的最大值作为自身的值

Min 节点:图中的圆形节点,对应于对手的回合,它会选取所有子节点中的最小值作为自身的值

先定义一个 Node 类,constructor 如下:

constructor(data, type, depth) {

this.data = data;

this.type = type; // 区分此节点的种类是 max 或 min

this.depth = depth;

}

根节点的 depth 为0,以下的每一层 depth 依次加一。最底层的节点 depth 为4,其 data 是写在图中的数字,其它层节点的 data 均是一个数组。

接下来考虑如何给每个节点打分,可能会出现这样的几种情况:

最底层的节点,直接返回本身的数字

中间层的 max 节点,返回子节点中的最大分数

中间层的 min 节点,返回子节点中的最小分数

为方便描述,我们按照由上到下、由左到右的顺序给图中节点进行标号。节点1是 max 节点,从节点2和节点3中选择较大值;而对于节点2来说,需要从节点4,5中选取较小值。很显然,我们这里要用递归的方法来实现,当搜索到最底层的节点时,递归过程开始返回。

以下是打分函数 score 的具体代码:

score() {

// 到达了最大深度后,此时的 data 是数组最内层的数字

if (this.depth >= 4) {

return this.data;

}

// 对于 max 节点,返回的是子节点中的最大值

if (this.type === 'max') {

let maxScore = -1000;

for (let i = 0; i < this.data.length; i++) {

const d = this.data[i];

// 生成新的节点,子节点的 type 会和父节点不同

const childNode = new Node(d, changeType(this.type), this.depth + 1);

// 递归获取其分数

const childScore = childNode.score();

if (childScore > maxScore) {

maxScore = childScore;

}

}

return maxScore;

}

// 对于 min 节点,返回的是子节点中的最小值

else if (this.type === 'min') {

// 与上方代码相似,省略部分代码

}

}

Alpha-beta 剪枝算法简介

Alpha-beta 剪枝算法可以认为是 minimax 算法的一种改进,在实际的问题中,需要搜索的状态数量将会非常庞大,利用 alpha-beta 剪枝算法可以去除一些不必要的搜索。

关于 alpha-beta 算法的具体解释可以看这篇文章 Minimax with Alpha Beta Pruning。我们在前文中考虑的那张图就来自这篇文章,之后我们会用 alpha-beta 剪枝算法来改进之前的解决方案。

剪枝算法中主要有这么些概念:

每一个节点都会由 alpha 和 beta 两个值来确定一个范围 [alpha, beta],alpha 值代表的是下界,beta 代表的是上界。每搜索一个子节点,都会按规则对范围进行修正。

Max 节点可以修改 alpha 值,min 节点修改 beta 值。

如果出现了 beta <= alpha 的情况,则不用搜索更多的子树了,未搜索的这部分子树将被忽略,这个操作就被称作剪枝(pruning)。

接下来我会尽量说明为什么剪枝这个操作是合理的,省略了一部分节点为什么不会对结果产生影响。用原图中以4号节点(第三层的第一个节点)为根节点的子树来举例,方便描述这里将他们用 A - G 的字母来重新标记。

从 B 节点看起,B 是 min 节点,需要在 D 和 E 中寻找较小值,因此 B 取值为3,同时 B 的 beta 值也设置为 3。假设 B 还有更多值大于3的子节点,但因为已经出现了 D 这个最小值,所以不会对 B 产生影响,即这里的 beta = 3 确定了一个上界。

.A 是 max 节点,需要在 B 和 C 中找到较大值,因为子树 B 已经搜索完毕,B 的值确定为 3,所以 A 的值至少为 3,这样确定了 A 的下界 alpha = 3。在搜索 C 子树之前,我们希望 C 的值大于3,这样才会对 A 的下界 alpha 产生影响。于是 C 从 A 这里获得了下界 alpha = 3 这个限制条件。

.C 是 min 节点,要从 F 和 G 里找出较小值。F 的值为2,所以 C 的值一定小于等于 2,更新 C 的上界 beta = 2。此时 C 的 alpha = 3, beta = 2,这是一个空区间,也就是说即使继续考虑 C 的其它子节点, 也不可能让 C 的值大于 3,所以我们不必再考虑 G 节点。G 节点就是被剪枝的节点。

重复这样的过程,会有更多的节点因为剪枝操作被忽略,从而对 minimax 算法进行了优化。

Alpha-beta 剪枝算法的实现

接下来讨论如何修改前面实现的 minimax 算法,使其变为 alpha-beta 剪枝算法。

第一步在 constructor 中加入两个新属性,alpha、beta。

constructor(data, type, depth, alpha, beta) {

this.data = data;

this.type = type; // 区分此节点的种类是 max 或 min

this.depth = depth;

this.alpha = alpha || -Infinity;

this.beta = beta || Infinity;

}

然后每次都搜索会视情况更新 alpha, beta 的值,以下的代码片段来自于搜索 max 节点的过程:

// alphabeta.js 中的 score() 函数

for (let i = 0; i < this.data.length; i++) {

// ...

if (childScore > maxScore) {

maxScore = childScore;

// 相对于 minimax 算法,alpha-beta 剪枝算法在这里增加了一个更新 alpha 值的操作

this.alpha = maxScore;

}

// 如果满足了退出的条件,我们不需要继续搜索更多的节点了,退出循环

if (this.alpha >= this.beta) {

break;

}

相对应的是在 min 节点中,我们更新的将是 beta 值。好了,只需要做这么些简单的改变,就将 minimax 算法改变成了 alpha-beta 剪枝算法了。

最后看看如何将算法应用到 tic-tac-toe 游戏中。

Tic-tac-toe 游戏中的应用

Tic-tac-toe,即井字棋游戏,规则是在双方轮流在 3x3 的棋盘上的任意位置下子,率先将三子连成一线的一方获胜。

这就是一个非常适合用 minimax 来解决的问题,即使在不考虑对称的情况,所有的游戏状态也只有 9! = 362880 种,相比于其它棋类游戏天文数字般的状态数量已经很少了,因而很适合作为算法的示例。

我在代码中将棋盘的状态用一个长度为9的数组来表示,然后利用 canvas 绘制出一个简易的棋盘,下子的过程就是修改数组的对应位置然后重绘画面。

现在我们已经有了现成的 minimax 和 alpha-beta 剪枝算法,只要加上一点儿细节就能完成这个游戏了?。

先来定义一个 GameState 类,其中保存了游戏的状态,对应于之前分析过程中的节点,其 constructor 如下:

constructor(board, player, depth, alpha, beta) {

this.board = board;

// player 是用字符 X 和 O 来标记当前由谁下子,以此来判断当前是 max 还是 min 节点

this.playerTurn = player;

this.depth = depth;

// 保存分数最高或最低的状态,用于确定下一步的棋盘状态

this.choosenState = null;

this.alpha = alpha || -Infinity;

this.beta = beta || Infinity;

}

为进行游戏,首先需要一个 checkFinish 函数,检查游戏是否结束,结束时返回胜利者信息。搜索的过程是在 getScore 函数中完成的,每次搜索先检查游戏是否结束,平局返回零分,我们的算法是站在 AI 的角度来考虑的,因此 AI 胜利时返回10分,AI 失利时返回-10分。

// alphabeta.js 中的 getScore() 方法

const winner = this.checkFinish();

if (winner) {

if (winner === 'draw') return 0;

if (winner === aiToken) return 10;

return -10;

}

接着是对 max 和 min 节点的分类处理:

// alphabeta.js 中的 getScore() 方法

// 获得所有可能的位置,利用 shuffle 加入随机性

const availablePos = _.shuffle(this.getAvailablePos());

// 对于 max 节点,返回的是子节点中的最大值

if (this.playerTurn === aiToken) {

let maxScore = -1000;

let maxIndex = 0;

for (let i = 0; i < availablePos.length; i++) {

const pos = availablePos[i];

// 在给定的位置下子,生成一个新的棋盘

const newBoard = this.generateNewBoard(pos, this.playerTurn);

// 生成一个新的节点

const childState = new GameState(newBoard, changeTurn(this.playerTurn), this.depth + 1, this.alpha, this.beta);

// 这里开始递归调用 getScore() 函数

const childScore = childState.getScore();

if (childScore > maxScore) {

maxScore = childScore;

maxIndex = i;

// 这里保存产生了最大的分数的节点,之后会被用于进行下一步

this.choosenState = childState;

this.alpha = maxScore;

}

if (this.alpha >= this.beta) {

break;

}

}

return maxScore;

}

// min 节点的处理与上面类似

// ...

总结

这样就简单地介绍了 minimax 算法和 alpha-beta 算法,并分别给出了一个简单的实现,然后在 tic-tac-toe 游戏中应用了算法。

文章中所提到的所有代码可见此项目:Tic-tac-toe-js。其中的 algorithms 文件夹中是两种算法的简单实现,src 文件中是游戏的代码。

文章开头说到了这篇文章起源于写2048游戏项目的过程中,之后我将 minimax 算法应用到了2048游戏的 AI 中,不过对于局面的评估函数尚不完善,现在 AI 只能勉强合成1024?, 还有很大的改进空间。

你可能感兴趣的:(python,alpha,beta,剪枝)