Python遊戲開發實例之graphics實現AI五子棋

前言

利用Python+graphics模塊實現AI五子棋。
讓我們愉快地開始吧~~~

效果展示

在這裡插入圖片描述

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 *

'''遊戲開始界面'''
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
		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)
		# --聯機對戰
		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'''
	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()
	'''聯機對戰'''
	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_())

開發工具

Python版本: 3.6.4

相關模塊:

graphics模塊。

環境搭建

安裝Python並添加到環境變量即可。

註:
graphics模塊在相關文件中已經提供,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文件夾內均可。

原理簡介

對於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,找到最優的落子點。這裡有兩個問題:

(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劣。

對於第一個問題,其實就是所謂的博弈樹搜索,對於第二個問題,其實就是所謂的選擇評估函數。評估函數的選取直接決定瞭AI算法的優劣,其形式也千變萬化。可以說,每個評估函數就是一個選手,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瞭。

但博弈樹搜索就比較固定瞭,其核心思想無非是讓計算機考慮當前局勢下之後N步所有可能的情況,其中奇數步(因為現在輪到AI下)要讓AI方的得分最大,偶數步要讓AI方的得分最小(因為對手也就是人類,也可以選擇最優策略)。

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:

圖片

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,其值就已經必大於Layer3的A1瞭,就沒有搜索下去的必要瞭,因此Layer3到Layer4的路徑3就可以剪掉瞭

上述搜索策略其實質就是:

minimax算法+alpha-beta剪枝算法。

瞭解瞭上述原理之後,就可以自己寫代碼實現瞭。當然實際實現過程中,我做瞭一些簡化,但萬變不離其宗,其核心思想都是一樣的。

在這裡插入圖片描述

到此這篇關於Python遊戲開發實例之graphics實現AI五子棋的文章就介紹到這瞭,更多相關Python AI五子棋內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: