前言
本文只是介绍五子棋AI的实现,最终的成品只是一个 AI 接口,并不包括 GUI,且不依赖 GUI。
五子棋 AI 的实现并不难,只需要解决一个问题就行:
怎么确定AI的最佳落子位置?
一般情况下,五子棋棋盘是由15条横线和15条纵线组合而成的,15x15
的棋盘共有 225
个交叉点,也就是说共有 225
个落子点。
假如说,AI 是黑棋,先行落子,所以 AI 总共有 225
个落子点可以选择,我们可以对每个落子点进行评估打分,哪个分高下哪里,这样我们就能确定最佳落子点了。
但这样又引出了一个新的问题:
怎么对落子点进行评估打分呢?
这就是本文的重点了,请看后文!
实现过程
抽象
注:部分基础代码依赖于 lombok
,请自行引入,或手写基础代码。
落子位置实体类,这里我们定义棋子类型字段:type
,1
表示黑子,2
表示白子。
/** * 棋子点位 * * @author anlingyi * @date 2021/11/10 */ @AllArgsConstructor @NoArgsConstructor @ToString public class Point { /** * 横坐标 */ int x; /** * 纵坐标 */ int y; /** * 棋子类型 1.黑 2.白 */ int type; }
AI
对外提供的接口,不会依赖任何 GUI
代码,方便其他程序调用。
/** * 五子棋AI接口 * * @author anlingyi * @date 2021/11/10 */ public interface AIService { /** * 获取AI棋位 * * @param chessData 已下棋子数据 * @param point 对手棋位 * @param started 是否刚开局 * @return */ Point getPoint(int[][] chessData, Point point, boolean started); }
这个接口需要知道我们现在的棋盘落子数据 chessData
,还有对手上一步的落子位置 point
,started
参数表示是否是刚开局,后续可能对刚开局情况做单独的处理。
实现AI接口
我们创建一个类 ZhiZhangAIService
,这个类实现 AIService
接口,来写我们的实现逻辑。
/** * * 五子棋AI实现 * * @author anlingyi * @date 2021/11/10 */ public class ZhiZhangAIService implements AIService { /** * 已下棋子数据 */ private int[][] chessData; /** * 棋盘行数 */ private int rows; /** * 棋盘列数 */ private int cols; /** * AI棋子类型 */ private int ai; /** * 声明一个最大值 */ private static final int INFINITY = 999999999; @Override public Point getPoint(int[][] chessData, Point point, boolean started) { // 初始化棋盘数据 initChessData(chessData); // 计算AI的棋子类型 this.ai = 3 - point.type; if (started) { // AI先下,首子天元 int centerX = this.cols / 2; int centerY = this.rows / 2; return new Point(centerX, centerY, this.ai); } // 获取最佳下棋点位 return getBestPoint(); } /** * 初始化棋盘数据 * * @param chessData 当前棋盘数据 */ private void initChessData(int[][] chessData) { // 获取棋盘行数 this.rows = chessData.length; // 获取棋盘列数 this.cols = chessData[0].length; // 初始化棋盘数据 this.chessData = new int[this.cols][this.rows]; // 深拷贝 for (int i = 0; i < cols; i++) { for (int j = 0; j < rows; j++) { this.chessData[i][j] = chessData[i][j]; } } } /** * 获取最佳下棋点位 * * @return */ private Point getBestPoint() { Point best = null; // 初始分值为最小 int score = -INFINITY; /* 遍历所有能下棋的点位,评估各个点位的分值,选择分值最大的点位 */ for (int i = 0; i < this.cols; i++) { for (int j = 0; j < this.rows; j++) { if (this.chessData[i][j] != 0) { // 该点已有棋子,跳过 continue; } Point p = new Point(i, j, this.ai); // 评估该点AI得分 int val = evaluate(p); // 选择得分最高的点位 if (val > score) { // 最高分被刷新 score = val; // 更新最佳点位 best = p; } } } return best; } /** * 对当前棋位进行评估 * * @param point 当前棋位 * @return */ private int evaluate(Point point) { // 核心 } }
首先看 getPoint
方法,这个是 AI
的出入口方法,我们要对传入的棋盘数据做一个初始化,调用 initChessData
方法,计算出当前游戏的棋盘行数、列数,并且拷贝了一份棋子数据到本地(深拷贝还是浅拷贝视情况而定)。
this.ai = 3 - point.type;
这行代码可以计算出AI是执黑子还是执白子,应该很好理解。
if (started) { // AI先下,首子天元 int centerX = this.cols / 2; int centerY = this.rows / 2; return new Point(centerX, centerY, this.ai); }
这段代码是处理刚开局时 AI
先行落子的情况,我们这边是简单的将落子点确定为棋盘中心位置(天元)。开局情况的落子我们可以自己定义,并不是固定的,只是说天元的位置比较好而已。
private Point getBestPoint() { Point best = null; // 初始分值为最小 int score = -INFINITY; /* 遍历所有能下棋的点位,评估各个点位的分值,选择分值最大的点位 */ for (int i = 0; i < this.cols; i++) { for (int j = 0; j < this.rows; j++) { if (this.chessData[i][j] != 0) { // 该点已有棋子,跳过 continue; } Point p = new Point(i, j, this.ai); // 评估该点AI得分 int val = evaluate(p); // 选择得分最高的点位 if (val > score) { // 最高分被刷新 score = val; // 更新最佳点位 best = p; } } } return best; }
然后就到了我们最主要的方法了 getBestPoint
,这个方法用于选择出 AI
的最佳落子位置。这个方法的思路就是遍历棋盘上所有能下棋的点,然后对这个点进行评分,如果这个点的评分比之前点的评分高,就更新当前最佳落子点位,并更新最高分,所有的落子点都评估完成之后,我们就能确定最好的点位在哪了。
/** * 对当前棋位进行评估 * * @param point 当前棋位 * @return */ private int evaluate(Point point) { // 核心 }
最后就是评估函数的实现了。
评估函数
在写评估函数之前,我们要先了解一下五子棋的几种棋型。(还不熟的朋友,五子棋入门了解一下:和那威学五子棋)
在这里,我把五子棋棋型大致分为:连五、活四、冲四、活三、眠三、活二、眠二、眠一 等共8种棋型。
0:空位 1:黑子 2:白子
连五:11111
活四:011110
冲四:21111
活三:001110
眠三:211100
活二:001100
眠二:001120
眠一:001200
冲四、活三 如果形成,赢的可能性很大,活四 如果形成,棋局胜负基本确定,连五 形成就已经赢了。所以说,如果 AI
落的点能够形成这几种胜率很高的棋型的话,我们要给这个点评一个高分,这样对 AI
最有利。
我这边定义好了各个棋型的分数情况
棋型 | 分数 |
---|---|
连五 | 10000000 |
活四 | 1000000 |
活三 | 10000 |
冲四 | 8000 |
眠三 | 1000 |
活二 | 800 |
眠二 | 50 |
眠一 | 10 |
评估模型的抽象
我们创建一个枚举内部类,然后定义这几种棋型和它的分数。
@AllArgsConstructor private enum ChessModel { /** * 连五 */ LIANWU(10000000, new String[]{"11111"}), /** * 活四 */ HUOSI(1000000, new String[]{"011110"}), /** * 活三 */ HUOSAN(10000, new String[]{"001110", "011100", "010110", "011010"}), /** * 冲四 */ CHONGSI(8000, new String[]{"11110", "01111", "10111", "11011", "11101"}), /** * 眠三 */ MIANSAN(1000, new String[]{"001112", "010112", "011012", "211100", "211010"}), /** * 活二 */ HUOER(800, new String[]{"001100", "011000", "000110"}), /** * 眠二 */ MIANER(50, new String[]{"011200", "001120", "002110", "021100", "001010", "010100"}), /** * 眠一 */ MIANYI(10, new String[]{"001200", "002100", "020100", "000210", "000120"}); /** * 分数 */ int score; /** * 局势数组 */ String[] values; }
为了评估方便,我们可以把所有定义好的棋型以及棋型对应的分数存入 Hash
表。
创建一个 LinkedHashMap
类型的类变量 SCORE
,然后在静态代码块内进行初始化。
/** * 棋型分数表 */ private static final MapSCORE = new LinkedHashMap<>(); static { // 初始化棋型分数表 for (ChessModel chessScore : ChessModel.values()) { for (String value : chessScore.values) { SCORE.put(value, chessScore.score); } } }
判断落子点位的棋型
棋型和分数都定义好了,现在我们要知道一个点位它的棋型的情况,这样才能评估这个点位的分数。
我们以落子点位为中心,分横、纵、左斜、右斜等4个大方向,分别取出各方向的9个点位的棋子,每个方向的9个棋子都组合成一个字符串,然后匹配现有的棋型数据,累积分值,这样就计算出了这个点位的分数了。
以上图为例,对横、纵、左斜、右斜做如上操作,可以得出:
横:000111000 -> 活三 +10000
纵:000210000 -> 眠一 +10
左斜:000210000 -> 眠一 +10
右斜:000010000 -> 未匹配到棋型 +0
所以这个点位总得分为:
10000 + 10 + 10 + 0 = 10020
代码实现:
/** * 获取局势分数 * * @param situation 局势 * @return */ private int getScore(String situation) { for (String key : SCORE.keySet()) { if (situation.contains(key)) { return SCORE.get(key); } } return 0; } /** * 获取棋位局势 * * @param point 当前棋位 * @param direction 大方向 1.横 2.纵 3.左斜 4.右斜 * @return */ private String getSituation(Point point, int direction) { // 下面用到了relativePoint函数,根据传入的四个大方向做转换 direction = direction * 2 - 1; // 以下是将各个方向的棋子拼接成字符串返回 StringBuilder sb = new StringBuilder(); appendChess(sb, point, direction, 4); appendChess(sb, point, direction, 3); appendChess(sb, point, direction, 2); appendChess(sb, point, direction, 1); sb.append(1); // 当前棋子统一标记为1(黑) appendChess(sb, point, direction + 1, 1); appendChess(sb, point, direction + 1, 2); appendChess(sb, point, direction + 1, 3); appendChess(sb, point, direction + 1, 4); return sb.toString(); } /** * 拼接各个方向的棋子 ** 由于现有评估模型是对黑棋进行评估 * 所以,为了方便对局势进行评估,如果当前是白棋方,需要将扫描到的白棋转换为黑棋,黑棋转换为白棋 * 如:point(x=0,y=0,type=2) 即当前为白棋方 * 扫描到的某个方向局势为:20212 -> 转换后 -> 10121 * * @param sb 字符串容器 * @param point 当前棋子 * @param direction 方向 1.左横 2.右横 3.上纵 4.下纵 5.左斜上 6.左斜下 7.右斜上 8.右斜下 * @param offset 偏移量 */ private void appendChess(StringBuilder sb, Point point, int direction, int offset) { int chess = relativePoint(point, direction, offset); if (chess > -1) { if (point.type == 2) { // 对白棋进行转换 if (chess > 0) { // 对棋子颜色进行转换,2->1,1->2 chess = 3 - chess; } } sb.append(chess); } } /** * 获取相对点位棋子 * * @param point 当前棋位 * @param direction 方向 1.左横 2.右横 3.上纵 4.下纵 5.左斜上 6.左斜下 7.右斜上 8.右斜下 * @param offset 偏移量 * @return -1:越界 0:空位 1:黑棋 2:白棋 */ private int relativePoint(Point point, int direction, int offset) { int x = point.x, y = point.y; switch (direction) { case 1: x -= offset; break; case 2: x += offset; break; case 3: y -= offset; break; case 4: y += offset; break; case 5: x += offset; y -= offset; break; case 6: x -= offset; y += offset; break; case 7: x -= offset; y -= offset; break; case 8: x += offset; y += offset; break; } if (x < 0 || y < 0 || x >= this.cols || y >= this.rows) { // 越界 return -1; } // 返回该位置的棋子 return this.chessData[x][y]; }
评估函数的实现
到这一步,我们已经能知道某个落子点位的各个方向的局势,又能通过局势获取到对应的分值,这样一来,评估函数就很好写了,评估函数要做的就是累积4个方向的分值,然后返回就行。
/** * 对当前棋位进行评估 * * @param point 当前棋位 * @return */ private int evaluate(Point point) { // 分值 int score = 0; for (int i = 1; i < 5; i++) { // 获取该方向的局势 String situation = getSituation(point, i); // 下此步的得分 score += getScore(situation); } return score; }
现在,已经可以将我们写的 AI
接入GUI
程序做测试了。如果还没有 GUI
,也可以自己写个测试方法,只要按照方法的入参信息传入就行,方法输出的就是 AI
下一步的落子位置。
/** * 获取AI棋位 * * @param chessData 已下棋子数据 * @param point 对手棋位 * @param started 是否刚开局 * @return */ Point getPoint(int[][] chessData, Point point, boolean started);
测试了一下,现在的 AI
只知道进攻,不知道防守,所以我们需要对 getBestPoint
方法进行优化。之前只对 AI
落子进行了评估,现在我们也要对敌方落子进行评估,然后累积分值,这样可以提高 AI
的防守力度。
private Point getBestPoint() { Point best = null; // 初始分值为最小 int score = -INFINITY; /* 遍历所有能下棋的点位,评估各个点位的分值,选择分值最大的点位 */ for (int i = 0; i < this.cols; i++) { for (int j = 0; j < this.rows; j++) { if (this.chessData[i][j] != 0) { // 该点已有棋子,跳过 continue; } Point p = new Point(i, j, this.ai); // 该点得分 = AI落子得分 + 对手落子得分 int val = evaluate(p) + evaluate(new Point(i, j, 3 - this.ai)); // 选择得分最高的点位 if (val > score) { // 最高分被刷新 score = val; // 更新最佳点位 best = p; } } } return best; }
只有这行代码进行了改动,现在加上了对手落子到该点的得分。
// 该点得分 = AI落子得分 + 对手落子得分 int val = evaluate(p) + evaluate(new Point(i, j, 3 - this.ai));
再次测试,现在 AI
棋力还是太一般,防守能力是提高了,但还是输给了我这个“臭棋篓子”。
有一些局势的评分需要提高,例如:
- 活三又活二
- 冲四又活二
- 两个或两个以上的活三
- 冲四又活三
上面这些情况都得加一些分数,如果分数太普通,AI
棋力就会很普通甚至更弱,可以说目前的 AI
只能算是一个刚入门五子棋的新手。
我这边对这些情况的处理是这样的:
- 活三又活二:总分x2
- 冲四又活二:总分x4
- 两个或两个以上的活三:总分x6
- 冲四又活三:总分x8
新增一个方法,用于判断当前局势是属于什么棋型
/** * 检查当前局势是否处于某个局势 * * @param situation 当前局势 * @param chessModel 检查的局势 * @return */ private boolean checkSituation(String situation, ChessModel chessModel) { for (String value : chessModel.values) { if (situation.contains(value)) { return true; } } return false; }
修改评估方法 evaluate
,对各种棋型做一个统计,最后按照我上面给出的处理规则进行加分处理。
/** * 对当前棋位进行评估 * * @param point 当前棋位 * @return */ private int evaluate(Point point) { // 分值 int score = 0; // 活三数 int huosanTotal = 0; // 冲四数 int chongsiTotal = 0; // 活二数 int huoerTotal = 0; for (int i = 1; i < 5; i++) { String situation = getSituation(point, i); if (checkSituation(situation, ChessModel.HUOSAN)) { // 活三+1 huosanTotal++; } else if (checkSituation(situation, ChessModel.CHONGSI)) { // 冲四+1 chongsiTotal++; } else if (checkSituation(situation, ChessModel.HUOER)) { // 活二+1 huoerTotal++; } // 下此步的得分 score += getScore(situation); } if (huosanTotal > 0 && huoerTotal > 0) { // 活三又活二 score *= 2; } if (chongsiTotal > 0 && huoerTotal > 0) { // 冲四又活二 score *= 4; } if (huosanTotal > 1) { // 活三数大于1 score *= 6; } if (chongsiTotal > 0 && huosanTotal > 0) { // 冲四又活三 score *= 8; } return score; }
再次进行测试,AI
棋力已经可以打败我这个菜鸡了,但由于我棋艺不精,打败我不具代表性。
在网上找了一个大佬写的五子棋 AI
(gobang.light7.cn/#/), 我用我写的 AI
去和大佬的 AI
下棋,我的 AI
执黑,只能打败大佬的萌新级别执白的 AI
。
AI 执黑的情况,赢
AI 执白的情况,输
由于目前的 AI
只能思考一步棋,所以棋力不强,对方稍微套路一下可能就输了,后续还有很大的优化空间。
源码:https://github.com/anlingyi/xechat-idea/tree/main/xechat-plugin/src/main/java/cn/xeblog/plugin/game/gobang
以上就是Java实现AI五子棋游戏的示例代码的详细内容,更多关于Java AI五子棋的资料请关注脚本之家其它相关文章!