用 Python 跟自己下棋

 

我有一壶酒,足以慰风尘。自己写AI,对弈不求人。(附Python版AlphaGo开源项目地址)...



今天,李世乭终于在与 AlphaGo 的人机大战中扳回一局。但计算机 AI 可以在围棋上战胜人类顶尖棋手的时代已经到来。可以预见,人工智能和机器人将会在更多领域做到比人力更高效、准确、安全。所以未来,掌握编程技能显得更加重要。与其现在感叹所谓的“机器威胁论”,还不如现在动起手来,磨练自己的技能。

再厉害的程序员,也是从“hello world”程序开始写起。再“聪明”的机器,也是从零样本开始“训练”出来的。所以今天就来写一个最简单棋类游戏:

Tic Tac Toe,又叫井字棋。

本篇将实现游戏框架,让你可以和电脑对战,但提升电脑的“智能”会在下一篇中细说。另外,文末会介绍一个 Github 上的 Python 版 AlphaGo 项目。

大致说下井字棋的规则:

  • 棋盘为 3*3 共 9 格,类似汉字“井”;
  • 一方为 o,一方为 x,轮流落子;
  • 任一方先有连成一条线的 3 个棋子(横、竖、斜皆可)则为胜利;
  • 棋盘摆满仍没有一方胜利,则为平局。
我打算在控制台下实现这个游戏,所以我需要用一个格式把棋盘的状态输出出来,设想是这样(发到手机上可能有点走形):

    a   b   c

|---|---|---|

1 |    | o |    |

|---|---|---|

2 |    | o | x |

|---|---|---|

3 | x | o |    |

|---|---|---|

abc 和 123 是为了更方便地标记棋盘上的位置。每走一步,就再次输出新的状态。

而棋盘本身的数据,我用一个 2 维数组来存储:

board = [

[0, 0, 0],

[0, 0, 0],

[0, 0, 0],

]

0 表示没有子,落子之后,o 为 1,x 为 2。

现在,我需要一个函数,按照设想的格式,把棋盘数据输出到屏幕上。以下是我的实现:

CHESS = [' ', 'o', 'x']

def showBoard():

print '    a   b   c  '

for i in range(3):

print '  |---|---|---|'

print i+1, '|',

for j in range(3):

print '%s |' % CHESS[board[j]],

print

print '  |---|---|---|'

为了对应 0、1、2 和空格、o、x 的关系,我用了一个 CHESS 数组。中间的 print 较多,有些乱,但仔细对照前面的设计图看一下应不难理解。

之后考虑游戏的主体玩法部分。大体的思路是:人走一步、显示棋盘、判断是否结束、AI 走一步、显示棋盘、判断是否结束,如此循环。所以大的框架是:

yourturn = True

showBoard()

while not isFinished():

if yourturn:

moveMan()

else:

moveAI()

showBoard()

yourturn = not yourturn;

这里,我用一个变量 yourturn 来记录该哪一方落子,每次走完一步就交换。

isFinished 是一个判断游戏是否结束的函数,如果结束了,就返回 True,游戏主循环退出。最终结果的输出,我也打算放在这个函数里。

moveMan 和 moveAI 分别是人和 AI 落子,一个是等待控制台的输入,一个是计算出位置。

接下来要做的,就是完成这 3 个函数。

先来看 moveMan:

ROW = {'1': 0, '2': 1, '3': 2}

COL = {'a': 0, 'b': 1, 'c': 2}

def moveMan():

print 'Your turn...'

while True:

try:

move = raw_input('choose a position (e.g. a1/c2/b3...):
')

pos_row = ROW[move[1]]

pos_col = COL[move[0]]

if board[pos_row][pos_col] == 0:

board[pos_row][pos_col] = 1

return

except:

pass

用 raw_input 等待用户输入。这里约定了表示位置的输入格式。ROW 和 COL 两个 dict 是用来将用户输入对应到具体的棋盘坐标上。当判断 board 数组里,用户输入的位置没有棋子时,则指定为 1,并结束函数。while 循环和 try-except 块是为了保证用户的输入是有效的,否则就会重复提示用户输入。

再来看 moveAI:

def moveAI():

print 'AI's turn...'

while True:

r = random.randint(0, 2)

c = random.randint(0, 2)

if board[r][c] == 0:

board[r][c] = 2

return

这个函数的目的是为了将 board 一个位置设置为 2。选取这个位置的过程,则是此游戏 AI 的算法的核心部分。今天先偷个懒,随机生成一个位置,如果为空,就作为落子的位置,并结束函数。下一篇,我们再来完善这个核心。

最后,就是判断胜负的 isFinished:

def isFinished():

# check row

if [1, 1, 1] in board:

print 'You win!'

return True

if [2, 2, 2] in board:

print 'AI wins!'

return True

# check col

for i in range(3):

if board[0] == board[1] == board[2] == 1:

print 'You win!'

return True

if board[0] == board[1] == board[2] == 2:

print 'AI wins!'

return True

# check diagonal

if (board[0][0] == board[1][1] == board[2][2] == 1) or (

board[2][0] == board[1][1] == board[0][2] == 1):

print 'You win!'

return True

if (board[0][0] == board[1][1] == board[2][2] == 2) or (

board[2][0] == board[1][1] == board[0][2] == 2):

print 'AI wins!'

return True

# check draw game

draw = True

for i in range(3):

if 0 in board:

draw = False

if draw:

print 'Draw game.'

return True

return False

稍有点长,主要分为 4 部分:分别是判断横、竖、斜、平局。

横竖斜的胜利部分,就是遍历棋盘去寻找是否有符合条件的情况,有则输出游戏结果,并返回 True。如果都没有,就去判断是否是平局。

判断平局的逻辑是这样:先设定 draw 为 True,如果遇到棋盘上有 0 的位置,则设为 False。否则遍历结束,draw 仍然为 True,就说明已没有空位,游戏以平局结束。

一个井字棋游戏已完成,截取一小段输出结果:

Your turn...

choose a position (e.g. a1/c2/b3...):

b2

a   b   c

|---|---|---|

1 | o |    |    |

|---|---|---|

2 | o | o |    |

|---|---|---|

3 | x |    | x |

|---|---|---|

AI's turn...

a   b   c

|---|---|---|

1 | o |    |    |

|---|---|---|

2 | o | o |    |

|---|---|---|

3 | x | x | x |

|---|---|---|

AI wins!

当然,现在的这个根本还算不上 AI。下一次,我们会让它更“机智”一点。

如果手机上看代码不方便,可移步论坛,在电脑上查看,我也会将完整代码上传。(论坛上的附件需要登录才可下载)

另外,关于前面提到的开源版 AlphaGo 项目。

项目地址:

https://github.com/Rochester-NRT/AlphaGo

有人传是 AlphaGo 开源了,但这其实只是 University of Rochester 根据 AlphaGo 的论文做的实现,用了 Python。与真正使用的程序相去甚远。可以去围观,看看代码。对机器学习、神经网络有兴趣的可以深入研究一下,甚至参与项目开发。不过如果你只是想在自己的机器上运行项目,那我要提醒你几点:

首先,项目里面用到了 SciPy,而 SciPy 的安装是需要根据不同操作系统编译的,这里面坑不少,至少我是在两个系统上折腾了几小时才安装成功。

另外,项目目前只完成了一个基本框架,和算法中一小部分,完成度很低。虽然也可以训练 AI 走棋,但效果肯定远不如 AlphaGo。

项目里虽然附带了一个 HTML5 的网页围棋接口,但应该还没有对接,所以想跟电脑对战的要失望了。
Crossin的编程教室
微信ID:crossincode
论坛:http://bbs.crossincode.com
QQ群:465369080
点击左下角“阅读原文”,查看更多学习资源


    关注 Crossin的编程教室


微信扫一扫关注公众号

0 个评论

要回复文章请先登录注册