本篇文章是博主在人工智能等领域学习时，用于个人学习、研究或者欣赏使用，并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记，若有不当和侵权之处，指出后将会立即改正，还望谅解。文章分类在Pytorch：
Pytorch（4）---《黑白棋 AI 算法》
黑白棋 AI 算法
目录
1. 实验介绍
1.1 实验内容
1.2 实验要求
1.3 注意事项
2.实验内容
2.1 棋盘介绍
2.2 创建随机玩家
2.3 创建人类玩家
2.4 创建 Game 类
2.5 创建 AI 玩家
3.运行结果
1. 实验介绍
1.1 实验内容
黑白棋 (Reversi)，也叫苹果棋，翻转棋，是一个经典的策略性游戏。
一般棋子双面为黑白两色，故称“黑白棋”。因为行棋之时将对方棋子翻转，则变为己方棋子，故又称“翻转棋” (Reversi) 。
棋子双面为红、绿色的称为“苹果棋”。它使用 8x8 的棋盘，由两人执黑子和白子轮流下棋，最后子多方为胜方。
随着网络的普及，黑白棋作为一种最适合在网上玩的棋类游戏正在逐渐流行起来。
中国主要的黑白棋游戏站点有 Yahoo 游戏、中国游戏网、联众游戏等。
黑白棋示范视频
https://v.youku.com/v_show/id_XMjYyMzc1Mjcy.html?spm=a2h0k.11417342.soresults.dtitle 可以从4分钟开始观看
游戏规则：
棋局开始时黑棋位于 E4 和 D5 ，白棋位于 D4 和 E5，如图所示。
可以是横着夹，竖着夹，或是斜着夹。夹住的位置上必须全部是对手的棋子，不能有空格；一步棋可以在数个（横向，纵向，对角线）方向上翻棋，任何被夹住的棋子都必须被翻转过来，棋手无权选择不去翻某个棋子。如果一方没有合法棋步，也就是说不管他下到哪里，都不能至少翻转对手的一个棋子，那他这一轮只能弃权，而由他的对手继续落子直到他有合法棋步可下。如果一方至少有一步合法棋步可下，他就必须落子，不得弃权。棋局持续下去，直到棋盘填满或者双方都无合法棋步可下。如果某一方落子时间超过 1 分钟 或者 连续落子 3 次不合法，则判该方失败。
1.2 实验要求
使用 『蒙特卡洛树搜索算法』 实现 miniAlphaGo for Reversi。使用 Python 语言。1.3 注意事项
在与人类玩家对奕时，运行环境将等待用户输入座标，此时代码将处于 While..Loop 回圈中，请务必输入'Q'离开，否则将持续系统将等待(hold）。当长时间指示为运行中的时候，造成代码无法执行时，可以重新启动2.实验内容
2.1 棋盘介绍
2.1.1 初始化棋盘
棋盘规格是 8x8，'X' 代表黑棋，'O' 代表白棋，'.' 代表未落子状态。
棋盘初始化 - 利用 Board 类（board.py）中的 display() 方法展示棋盘：
# 导入棋盘文件from board import Board# 初始化棋盘board = Board()# 打印初始化棋盘board.display()
2.1.2 棋盘与坐标之间的关系
棋盘坐标 E4, 转化为坐标形式就是 (3, 4), 坐标数值大小是从 0 开始，到 7 结束。
Board 类中，提供以上两种坐标的转化方法：
board_num(action): 棋盘坐标转化为数字坐标。 action: 棋盘坐标，e.g. 'G6'返回值: 数字坐标，e.g. (5, 6)num_board(action): 数字坐标转化为棋盘坐标。 action: 数字坐标，e.g. (2, 7)返回值: 棋盘坐标，e.g. 'H3' # 查看坐标 (4,3) 在棋盘上的位置 position = (4, 3)print(board.num_board(position))# 查看棋盘位置 'G2' 的坐标position = 'G2'print(board.board_num(position))
2.1.3 Board 类中比较重要的方法
get_legal_actions(color)： 根据黑白棋的规则获取 color 方棋子的合法落子坐标，用 list() 方法可以获取所有的合法坐标。 color: 下棋方，'X' - 黑棋，'O' - 白棋返回值: 合法的落子坐标列表 # 棋盘初始化后，黑方可以落子的位置print(list(board.get_legal_actions('X')))
_move(action, color)： 根据 color 落子坐标 action 获取翻转棋子的坐标。 action: 落子的坐标，e.g. 'C4'color: 下棋方，'X' - 黑棋，'O' - 白棋返回值: 反转棋子棋盘坐标列表 # 打印初始化后的棋盘board.display()# 假设现在黑棋下棋，可以落子的位置有：['D3', 'C4', 'F5', 'E6']，# 黑棋落子 D3 , 则白棋被翻转的棋子是 D4。 # 表示黑棋color = 'X' # 落子坐标action = 'D3' # 打印白方被翻转的棋子位置print(board._move(action,color))# 打印棋盘board.display() 
2.2 创建随机玩家
# 导入随机包import randomclass RandomPlayer: """ 随机玩家, 随机返回一个合法落子位置 """ def __init__(self, color): """ 玩家初始化 :param color: 下棋方，'X' - 黑棋，'O' - 白棋 """ self.color = color def random_choice(self, board): """ 从合法落子位置中随机选一个落子位置 :param board: 棋盘 :return: 随机合法落子位置, e.g. 'A1' """ # 用 list() 方法获取所有合法落子位置坐标列表 action_list = list(board.get_legal_actions(self.color)) # 如果 action_list 为空，则返回 None,否则从中选取一个随机元素，即合法的落子坐标 if len(action_list) == 0: return None else: return random.choice(action_list) def get_move(self, board): """ 根据当前棋盘状态获取最佳落子位置 :param board: 棋盘 :return: action 最佳落子位置, e.g. 'A1' """ if self.color == 'X': player_name = '黑棋' else: player_name = '白棋' print("请等一会，对方 {}-{} 正在思考中...".format(player_name, self.color)) action = self.random_choice(board) return action随机玩家 RandomPlayer 主要是随机获取一个合法落子位置。后续随机玩家可以跟人类玩家、AI 玩家等进行对弈。
随机玩家 get_move() 方法, 主要思路：
get_move() 方法主要调用了 random_choice() 方法。random_choice() 方法是：先用 list() 方法获取合法落子位置坐标列表，然后用 random.choice() 方法随机获取合法落子位置中的一个。
# 导入棋盘文件from board import Board# 棋盘初始化board = Board() # 打印初始化棋盘board.display() # 玩家初始化，输入黑棋玩家black_player = RandomPlayer("X") # 黑棋玩家的随机落子位置black_action = black_player.get_move(board) print("黑棋玩家落子位置: %s"%(black_action))# 打印白方被翻转的棋子位置print("黑棋落子后反转白棋的棋子坐标：",board._move(black_action,black_player.color))# 打印黑棋随机落子后的棋盘board.display() # 玩家初始化，输入白棋玩家white_player = RandomPlayer("O") # 白棋玩家的随机落子位置white_action = white_player.get_move(board) print("白棋玩家落子位置:%s"%(white_action))# 打印黑棋方被翻转的棋子位置print("白棋落子后反转黑棋的棋子坐标：",board._move(white_action,white_player.color))# 打印白棋随机落子后的棋盘board.display() 
2.3 创建人类玩家
人类玩家 HumanPlayer 主要实现 get_move() 方法。
class HumanPlayer: """ 人类玩家 """ def __init__(self, color): """ 玩家初始化 :param color: 下棋方，'X' - 黑棋，'O' - 白棋 """ self.color = color def get_move(self, board): """ 根据当前棋盘输入人类合法落子位置 :param board: 棋盘 :return: 人类下棋落子位置 """ # 如果 self.color 是黑棋 "X",则 player 是 "黑棋"，否则是 "白棋" if self.color == "X": player = "黑棋" else: player = "白棋" # 人类玩家输入落子位置，如果输入 'Q', 则返回 'Q'并结束比赛。 # 如果人类玩家输入棋盘位置，e.g. 'A1'， # 首先判断输入是否正确，然后再判断是否符合黑白棋规则的落子位置 while True: action = input( "请'{}-{}'方输入一个合法的坐标(e.g. 'D3'，若不想进行，请务必输入'Q'结束游戏。): ".format(player, self.color)) # 如果人类玩家输入 Q 则表示想结束比赛 if action == "Q" or action == 'q': return "Q" else: row, col = action[1].upper(), action[0].upper() # 检查人类输入是否正确 if row in '12345678' and col in 'ABCDEFGH': # 检查人类输入是否为符合规则的可落子位置 if action in board.get_legal_actions(self.color): return action else: print("你的输入不合法，请重新输入!")人类玩家 get_move() 方法主要思路是：
# 导入棋盘文件from board import Board # 棋盘初始化board = Board() # 打印初始化后棋盘board.display() # 人类玩家黑棋初始化black_player = HumanPlayer("X") # 人类玩家黑棋落子位置action = black_player.get_move(board)# 如果人类玩家输入 'Q',则表示想结束比赛，# 现在只展示人类玩家的输入结果。if action == "Q": print("结束游戏：",action)else: # 打印白方被翻转的棋子位置 print("黑棋落子后反转白棋的棋子坐标：", board._move(action,black_player.color))# 打印人类玩家黑棋落子后的棋盘board.display() 
2.4 创建 Game 类
该类主要实现黑白棋的对弈，已经实现随机玩家和人类玩家，现在可以来对弈一下。
Game 类（game.py）的主要方法和属性:
self.board：棋盘self.current_player：定义当前的下棋一方，考虑游戏还未开始我们定义为 Noneself.black_player：定义黑棋玩家 black_playerself.white_player：定义白棋玩家 white_player 方法： switch_player()：下棋时切换玩家run()：黑白棋游戏的主程序 !pip install func-timeout# 导入黑白棋文件from game import Game # 人类玩家黑棋初始化black_player = HumanPlayer("X")# 随机玩家白棋初始化white_player = RandomPlayer("O")# 游戏初始化，第一个玩家是黑棋，第二个玩家是白棋game = Game(black_player, white_player)# 开始下棋game.run()考虑到人类下棋比较慢，我们直接采用随机玩家与随机玩家下棋,效果如下：
# 导入黑白棋文件from game import Game # 随机玩家黑棋初始化black_player = RandomPlayer("X")# 随机玩家白棋初始化white_player = RandomPlayer("O")# 游戏初始化，第一个玩家是黑棋，第二个玩家是白棋game = Game(black_player, white_player)# 开始下棋game.run()2.5 创建 AI 玩家
通过以上流程的介绍或者学习，相信大家一定很熟悉如何玩这个游戏。
现在 AI 玩家需要大家来完善！
该部分主要是需要大家使用 『蒙特卡洛树搜索算法』 来实现 miniAlphaGo for Reversi。
import mathimport randomimport sysfrom copy import deepcopyclass Node: def __init__(self, now_board, parent=None, action=None, color=""): self.visits = 0 # 访问次数 self.reward = 0.0 # 期望值 self.now_board = now_board # 棋盘状态 self.children = [] # 孩子节点 self.parent = parent # 父节点 self.action = action # 对应动作 self.color = color # 该节点玩家颜色 def get_ucb(self, ucb_param): if self.visits == 0: return sys.maxsize # 未访问的节点ucb为无穷大 # UCB公式 explore = math.sqrt(2.0 * math.log(self.parent.visits) / float(self.visits)) now_ucb = self.reward/self.visits + ucb_param * explore return now_ucb # 生个孩子 def add_child(self, child_now_board, action, color): child_node = Node(child_now_board, parent=self, action=action, color=color) self.children.append(child_node) # 判断是否完全扩展 def full_expanded(self): # 有孩子并且所有孩子都访问过了就是完全扩展 if len(self.children) == 0: return False for kid in self.children: if kid.visits == 0: return False return Trueclass AIPlayer: """ AI 玩家 """ def __init__(self, color): """ 玩家初始化 :param color: 下棋方，'X' - 黑棋，'O' - 白棋 """ self.max_times = 50 # 最大迭代次数 self.ucb_param = 1 # ucb的参数C self.color = color def uct(self, max_times, root): """ 根据当前棋盘状态获取最佳落子位置 :param max_times: 最大搜索次数 :param root: 根节点 :return: action 最佳落子位置 """ for i in range(max_times): # 最多模拟max次 selected_node = self.select(root) leaf_node = self.extend(selected_node) reward = self.stimulate(leaf_node) self.backup(leaf_node, reward) max_node = None # 搜索完成，然后找出最适合的下一步 max_ucb = -sys.maxsize for child in root.children: child_ucb = child.get_ucb(self.ucb_param) if max_ucb < child_ucb: max_ucb = child_ucb max_node = child # max_node指向ucb最大的孩子 return max_node.action def select(self, node): """ :param node:某个节点 :return: ucb值最大的叶子 """ # print(len(node.children)) if len(node.children) == 0: # 叶子，需要扩展 return node if node.full_expanded(): # 完全扩展,递归选择ucb最大的孩子 max_node = None max_ucb = -sys.maxsize for child in node.children: child_ucb = child.get_ucb(self.ucb_param) if max_ucb < child_ucb: max_ucb = child_ucb max_node = child # max_node指向ucb最大的孩子 return self.select(max_node) else: # 没有完全扩展就选访问次数为0的孩子 for kid in node.children: # 从左开始遍历 if kid.visits == 0: return kid def extend(self, node): if node.visits == 0: # 自身还没有被访问过，不扩展，直接模拟 return node else: # 需要扩展,先确定颜色 if node.color == 'X': new_color = 'O' else: new_color = 'X' for action in list(node.now_board.get_legal_actions(node.color)): # 把所有可行节点加入孩子列表，并初始化 new_board = deepcopy(node.now_board) new_board._move(action, node.color) # 新建节点 node.add_child(new_board, action=action, color=new_color) if len(node.children) == 0: return node return node.children[0] # 返回新的孩子列表的第一个，以供下一步模拟 def stimulate(self, node): """ :param node:模拟起始点 :return: 模拟结果reward board.get_winner()会返回胜负关系和获胜子数 考虑胜负关系和获胜的子数，定义获胜积10分，每多赢一个棋子多1分 """ board = deepcopy(node.now_board) color = node.color count = 0 while (not self.game_over(board)) and count < 50: # 游戏没有结束，就模拟下棋 action_list = list(node.now_board.get_legal_actions(color)) if not len(action_list) == 0: # 可以下，就随机下棋 action = random.choice(action_list) board._move(action, color) if color == 'X': color = 'O' else: color = 'X' else: # 不能下，就交换选手 if color == 'X': color = 'O' else: color = 'X' action_list = list(node.now_board.get_legal_actions(color)) action = random.choice(action_list) board._move(action, color) if color == 'X': color = 'O' else: color = 'X' count = count + 1 # winner:0-黑棋赢，1-白旗赢，2-表示平局 # diff:赢家领先棋子数 winner, diff = board.get_winner() if winner == 2: reward = 0 elif winner == 0: # 这里逻辑是反的，写出了bug...应该是其他地方逻辑也反了一次，负负得正了...实在不想找bug了对不住 reward = 10 + diff else: reward = -(10 + diff) if self.color == 'X': reward = - reward return reward def backup(self, node, reward): """ 反向传播函数 """ while node is not None: node.visits += 1 if node.color == self.color: node.reward += reward else: node.reward -= reward node = node.parent return 0 def game_over(self, board): """ 判断游戏是否结束 :return: True/False 游戏结束/游戏没有结束 """ # 根据当前棋盘，双方都无处可落子，则终止 b_list = list(board.get_legal_actions('X')) w_list = list(board.get_legal_actions('O')) is_over = (len(b_list) == 0 and len(w_list) == 0) # 返回值 True/False return is_over def get_move(self, board): """ 根据当前棋盘状态获取最佳落子位置 :param board: 棋盘 :return: action 最佳落子位置, e.g. 'A1' """ if self.color == 'X': player_name = '黑棋' else: player_name = '白棋' print("请等一会，对方 {}-{} 正在思考中...".format(player_name, self.color)) root = Node(now_board=deepcopy(board), color=self.color) action = self.uct(self.max_times, root) return action如果是要提交mian.py文件用于运行和测试，直接将上面创建 AI 玩家这部分代码全部复制到mian.py中，运行测试就好
以上就是 AI 玩家的初步代码，其中特别注意：
请不要修改get_move方法的输入和输出。可以添加 AIPlayer 的属性和方法。完善算法时请注意落子时间：落子需要在 60s 之内！落子 3 次不在合法范围内即判断该方失败, 故落子前请检查棋子的合法性。2.5.1 测试 AI 玩家
如果您已经实现 AIPlayer，你可以选人类玩家、随机玩家与 AIPlayer 算法对战，甚至 AIPlayer 与 AIPlayer 自己对战！
# 导入黑白棋文件from game import Game # 人类玩家黑棋初始化black_player = HumanPlayer("X")# AI玩家白棋初始化white_player =AIPlayer("O")# 游戏初始化，第一个玩家是黑棋，第二个玩家是白棋game = Game(black_player, white_player)# 开始下棋game.run()3.运行结果
参考资料来源：B站
文章若有不当和不正确之处，还望理解与指出。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请联系博主删除。如有错误、疑问和侵权，欢迎评论留言联系作者，或者关注VX公众号：Rain21321，联系作者。