利用Python+graphics模塊實(shí)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(hào): 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(jī)對(duì)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(jī)對(duì)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(jī)對(duì)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(jī)對(duì)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(guān)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(guān)文件中已經(jīng)提供，就是一個(gè)py文件，直接放在當(dāng)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(duì)于五子棋這樣的博弈類AI，很自然的想法就是讓計(jì)算機(jī)把當(dāng)前所有可能的情況都嘗試一遍，找到最優(yōu)的落子點(diǎn)。這里有兩個(gè)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(diǎn)的優(yōu)劣。

對(duì)于第一個(gè)問題，其實(shí)就是所謂的博弈樹搜索，對(duì)于第二個(gè)問題，其實(shí)就是所謂的選擇評(píng)估函數(shù)。評(píng)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?？梢哉f，每個(gè)評(píng)估函數(shù)就是一個(gè)選手，對(duì)不同的棋型每個(gè)選手自然有不同的看法和應(yīng)對(duì)措施，當(dāng)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(jì)算機(jī)考慮當(dāng)前局勢下之后N步所有可能的情況，其中奇數(shù)步（因?yàn)楝F(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?yàn)閷?duì)手也就是人類，也可以選擇最優(yōu)策略）。

當(dāng)然這樣的搜索其計(jì)算量是極大的，這時(shí)候就需要剪枝來減少計(jì)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(shí)取Layer3的A1和A2中的較小值，而Layer3的A2搜索完Layer4的P3時(shí)，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(shí)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(shí)現(xiàn)了。當(dāng)然實(shí)際實(shí)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(guān)于Python游戲開發(fā)實(shí)例之graphics實(shí)現(xiàn)AI五子棋的文章就介紹到這了,更多相關(guān)Python AI五子棋內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)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(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。