Python游戲開發(fā)實例之graphics實現(xiàn)AI五子棋
利用Python+graphics模塊實現(xiàn)AI五子棋。
讓我們愉快地開始吧~~~
效果展示
源碼
import sys
import cfg
from modules.misc.Buttons import *
from modules.ai.playWithAI import *
from modules.online.playOnline import *
from PyQt5.QtGui import *
from PyQt5.QtCore import *
from PyQt5.QtWidgets import *
'''游戲開始界面'''
class gameStartUI(QWidget):
def __init__(self, parent=None, **kwargs):
super(gameStartUI, self).__init__(parent)
self.setFixedSize(760, 650)
self.setWindowTitle('五子棋-微信號: ilove-python')
self.setWindowIcon(QIcon(cfg.ICON_FILEPATH))
# 背景圖片
palette = QPalette()
palette.setBrush(self.backgroundRole(), QBrush(QPixmap(cfg.BACKGROUND_IMAGEPATHS.get('bg_start'))))
self.setPalette(palette)
# 按鈕
# --人機對戰(zhàn)
self.ai_button = PushButton(cfg.BUTTON_IMAGEPATHS.get('ai'), self)
self.ai_button.move(250, 200)
self.ai_button.show()
self.ai_button.click_signal.connect(self.playWithAI)
# --聯(lián)機對戰(zhàn)
self.online_button = PushButton(cfg.BUTTON_IMAGEPATHS.get('online'), self)
self.online_button.move(250, 350)
self.online_button.show()
self.online_button.click_signal.connect(self.playOnline)
'''人機對戰(zhàn)'''
def playWithAI(self):
self.close()
self.gaming_ui = playWithAIUI(cfg)
self.gaming_ui.exit_signal.connect(lambda: sys.exit())
self.gaming_ui.back_signal.connect(self.show)
self.gaming_ui.show()
'''聯(lián)機對戰(zhàn)'''
def playOnline(self):
self.close()
self.gaming_ui = playOnlineUI(cfg, self)
self.gaming_ui.show()
'''run'''
if __name__ == '__main__':
app = QApplication(sys.argv)
handle = gameStartUI()
font = QFont()
font.setPointSize(12)
handle.setFont(font)
handle.show()
sys.exit(app.exec_())
開發(fā)工具
Python版本： 3.6.4
相關模塊：
graphics模塊。
環(huán)境搭建
安裝Python并添加到環(huán)境變量即可。
注：
graphics模塊在相關文件中已經(jīng)提供，就是一個py文件，直接放在當前路徑或者放到python安裝文件夾下的site-packages文件夾內(nèi)均可。
原理簡介
對于五子棋這樣的博弈類AI，很自然的想法就是讓計算機把當前所有可能的情況都嘗試一遍，找到最優(yōu)的落子點。這里有兩個問題：
（1）如何把所有可能的情況都嘗試一遍；
（2）如何定量判斷某落子點的優(yōu)劣。
對于第一個問題，其實就是所謂的博弈樹搜索，對于第二個問題，其實就是所謂的選擇評估函數(shù)。評估函數(shù)的選取直接決定了AI算法的優(yōu)劣，其形式也千變?nèi)f化。可以說，每個評估函數(shù)就是一個選手，對不同的棋型每個選手自然有不同的看法和應對措施，當然他們的棋力也就因此各不相同了。
但博弈樹搜索就比較固定了，其核心思想無非是讓計算機考慮當前局勢下之后N步所有可能的情況，其中奇數(shù)步（因為現(xiàn)在輪到AI下）要讓AI方的得分最大，偶數(shù)步要讓AI方的得分最?。ㄒ驗閷κ忠簿褪侨祟?，也可以選擇最優(yōu)策略）。
當然這樣的搜索其計算量是極大的，這時候就需要剪枝來減少計算量。例如下圖：
其中A代表AI方，P代表人類方。AI方搜索最大值，人類方搜索最小值。因此Layer3的A1向下搜索的最終結(jié)果為4，Layer3的A2向下搜索，先搜索Layer4的P3，獲得的分值為6，考慮到Layer2的P1向下搜索時取Layer3的A1和A2中的較小值，而Layer3的A2搜索完Layer4的P3時，其值就已經(jīng)必大于Layer3的A1了，就沒有搜索下去的必要了，因此Layer3到Layer4的路徑3就可以剪掉了。
上述搜索策略其實質(zhì)就是：
minimax算法+alpha-beta剪枝算法。
了解了上述原理之后，就可以自己寫代碼實現(xiàn)了。當然實際實現(xiàn)過程中，我做了一些簡化，但萬變不離其宗，其核心思想都是一樣的。
到此這篇關于Python游戲開發(fā)實例之graphics實現(xiàn)AI五子棋的文章就介紹到這了,更多相關Python AI五子棋內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持本站！
版權聲明：本站文章來源標注為YINGSOO的內(nèi)容版權均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權，請聯(lián)系alex-e#qq.com處理。
關注官方微信