人工智能课程设计doc资料

人工智能课程设计人工智能<五子棋> 技术报告简介本课程设计是基于alpha-beta剪枝算法的五子棋的博弈游戏，具有悔棋，可选择禁手，支持人机对战，人人对战等功能。

整个设计基于Java语言开发，界面美观大方。

alpha-beta剪枝技术的基本思想或算法是，边生成博弈树边计算评估各节点的倒推值，并且根据评估出的倒推值范围，及时停止扩展那些已无必要再扩展的子节点，即相当于剪去了博弈树上的一些分枝，从而节约了机器开销，提高了搜索效率。

具体的剪枝方法如下：(1) 对于一个与节点MIN，若能估计出其倒推值的上确界β，并且这个β值不大于 MIN的父节点(一定是或节点)的估计倒推值的下确界α，即α≥β，则就不必再扩展该 MIN节点的其余子节点了(因为这些节点的估值对MIN父节点的倒推值已无任何影响了)。

这一过程称为α剪枝。

(2) 对于一个或节点MAX，若能估计出其倒推值的下确界α，并且这个α值不小于 MAX的父节点(一定是与节点)的估计倒推值的上确界β，即α≥β，则就不必再扩展该MAX节点的其余子节点了(因为这些节点的估值对MAX父节点的倒推值已无任何影响了)。

这一过程称为β剪枝。

1、数据结构定义本文定义15*15的五子棋棋盘，实现算法，在算法中采用的数据结构包括：int isChessOn[][]描述当前棋盘，0表示黑子，1表示白字，2表示无子；int pre[][]记录棋点的x，y坐标。

由于本课程设计是基于Java语言开发的，在Java中只能用类表示并实现所定义的数据结构。

所以下面将用类来描述相应的数据结构及算法：public class ChessPanel{private ImageIcon map; //棋盘背景位图private ImageIcon blackchess; //黑子位图private ImageIcon whitechess; //白子位图public int isChessOn [][]; //棋局protected boolean win = false; // 是否已经分出胜负protected int win_bw; // 胜利棋色protected int deep = 3, weight = 7; // 搜索的深度以及广度public int drawn_num = 110; // 和棋步数int chess_num = 0; // 总落子数目public int[][] pre = new int[drawn_num + 1][2]; // 记录下棋点的x,y坐标最多 (drawn_num + 1) 个public int sbw = 0; //玩家棋色黑色0，白色1public int bw = 0; // 当前应该下的棋色 0：黑色(默认)， 1：白色protected int x_max = 15, x_min = 0; // 边界值,用于速度优化protected int y_max = 15, y_min = 0; // 边界值,用于速度优化protected boolean able_flag = true; // 是否选择禁手标志 0:无禁手 1:有禁手(默认private int h; //棋子长private int w; //棋子宽private int insx; //插入棋子的位置private int insy;private Point mousePoint; //鼠标当前位置private int winer; //获胜方private boolean humanhuman=false; //是否是人人对弈private int plast=0; //走了几步了，public int BLACK_ONE; //0表黑子public int WHITE_ONE; //1表白子public int NONE_ONE; //2表无子public int N; //棋盘边长//---------搜索当前搜索状态极大值--------------------------------////alpha 祖先节点得到的当前最小最大值，用于alpha 剪枝//beta 祖先节点得到的当前最大最小值，用于beta 剪枝。

//step 还要搜索的步数//return 当前搜索子树极大值protected int findMax(int alpha, int beta, int step) {int max = alpha;if (step == 0) {return evaluate();}int[][] rt = getBests(1 - sbw);for (int i = 0; i < rt.length; i++) {int x = rt[i][0];int y = rt[i][1];if (getType(x, y, 1 - sbw) == 1) //电脑可取胜return 100 * ( getMark(1) + step*1000 );isChessOn[x][y] = 1 - sbw;// 预存当前边界值int temp1=x_min,temp2=x_max,temp3=y_min,temp4=y_max;resetMaxMin(x,y);int t = findMin(max, beta, step - 1);isChessOn[x][y] = 2;// 还原预设边界值x_min=temp1;x_max=temp2;y_min=temp3;y_max=temp4;if (t > max)max = t;//beta 剪枝if (max >= beta)return max;}return max;}//-----------搜索当前搜索状态极小值--------------////alpha 祖先节点得到的当前最小最大值，用于alpha 剪枝//beta 祖先节点得到的当前最大最小值，用于beta 剪枝//step 还要搜索的步数//return 当前搜索子树极小值。

protected int findMin(int alpha, int beta, int step) {int min = beta;if (step == 0) {return evaluate();}int[][] rt = getBests(sbw);for (int i = 0; i < rt.length; i++) {int x = rt[i][0];int y = rt[i][1];int type = getType(x, y, sbw);if (type == 1) //玩家成5 return -100 * ( getMark(1) + step*1000 );// 预存当前边界值int temp1=x_min,temp2=x_max,temp3=y_min,temp4=y_max;isChessOn[x][y] = sbw;resetMaxMin(x,y);int t = findMax( alpha, min, step - 1 );isChessOn[x][y] = 2;// 还原预设边界值x_min=temp1;x_max=temp2;y_min=temp3;y_max=temp4;if (t < min)min = t;//alpha 剪枝if (min <= alpha) {return min;}}return min;}//-----------------选取局部最优的几个落子点作为下一次扩展的节点---------////bwf 棋色 0：黑棋 1：白棋//return 选出来的节点坐标private int[][] getBests(int bwf) {int i_min=(x_min==0 ? x_min:x_min-1);int j_min=(y_min==0 ? y_min:y_min-1);int i_max=(x_max==15 ? x_max:x_max+1);int j_max=(y_max==15 ? y_max:y_max+1);int n = 0;int type_1,type_2;int[][] rt = new int[(i_max-i_min) * (j_max-j_min)][3];for ( int i = i_min; i < i_max; i++)for (int j = j_min; j < j_max; j++)if (isChessOn[i][j] == 2) {type_1 = getType(i, j, bwf);type_2 = getType(i, j, 1 - bwf);if(able_flag && bwf==0 && (type_1 == 20 || type_1 == 21 || type_1 == 22))// 禁手棋位置,不记录continue;rt[n][0] = i;rt[n][1] = j;rt[n][2] = getMark(type_1) + getMark(type_2); n++;}// 对二维数组排序Arrays.sort(rt, new ArrComparator());int size = weight > n? n:weight;int[][] bests = new int[size][3];System.arraycopy(rt, 0, bests, 0, size);return bests;}}3、程序执行结果初始界面人机博弈人人博弈禁手选择4、个人总结、看法本程序是使用Alpha-Beta搜索的算法完成的一个简单的五子棋博弈游戏。

虽然Alpha-Beta已经尽力做到细致、全面，但由于Alpha-Beta搜索存在博弈树算法中普遍存在的一个缺点一随着搜索层数的增加，算法的效率大大下降。

所以该搜索的效率还是不怎么理想，五子棋程序的“智力”也不高。

因此可以在上述程序的基础上，针对五子棋本身的特点和规律对Alpha-Beta搜索算法进行优化与修正，比如用启发式搜索。