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

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)

实验结果

Python蒙特卡洛树搜索算法实现的黑白棋AI系统_第1张图片

Python蒙特卡洛树搜索算法实现的黑白棋AI系统_第2张图片

Python蒙特卡洛树搜索算法实现的黑白棋AI系统_第3张图片

Python蒙特卡洛树搜索算法实现的黑白棋AI系统_第4张图片

Python蒙特卡洛树搜索算法实现的黑白棋AI系统_第5张图片

Python蒙特卡洛树搜索算法实现的黑白棋AI系统_第6张图片

Python蒙特卡洛树搜索算法实现的黑白棋AI系统_第7张图片

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

你可能感兴趣的:(python,蒙特卡洛树搜索算法,黑白棋,黑白棋AI系统,课程设计)