黑白棋(Reversi),也叫苹果棋,翻转棋,是一个经典的策略性游戏。一般棋子双面为黑白两色,故称“黑白棋”。因为行棋之时将对方棋子翻转,变为己方棋子,故又称“翻转棋”。它使用8x 8的棋盘,由两人执黑子和白子轮流下棋,最后子多方为胜方。
蒙特卡洛树搜索(简称 MCTS)是 Rémi Coulom 在2006年在它的围棋人机对战引擎中首次发明并使用,全称是Monte Carlo Tree Search,是一种人工智能问题中做出最优决策的方法,一般是在组合博弈中的行动规划形式,它结合了随机模拟的一般性和树搜索的准确性。
它一般有如下四步:
- 选择(Selection):从根节点开始,递归选择最优的子节点直到达到叶子节点L。
- 扩展 (expansion):如果L不是一个终止节点,不会导致博弈游戏终止,那么就创建一个或者更多的字子节点,选择其中一个C。
- 模拟(Simluation):从C开始运行一个模拟的输出,直到博弈游戏结束。
- 回溯(Backpropagation):用模拟的结果输出更新当前行动序列。
每一步的详细介绍不再赘述,这里再介绍一下节点选择时的策略,有如下的函数: $$ UCT(v_{i},v)=\frac{Q(v_{i})}{N(v_{i})}+C\sqrt{\frac{log(N(v))}{N(v_{i})}} $$ 其中,Q(v) 是该节点赢的次数,N(v) 是该节点模拟的次数,C 是一个常数。因此我们每次选择时,从根节点出发,遵循最大最小原则,每次选择己方 UCT 值最优的一个节点,向下搜索,直到找到一个未完全展开的节点,随机选择一个未访问的子节点进行扩展。
Tkinter模块(Tk 接口)是Python的标准Tk GUI工具包的接口,Python可以通过它快速创建GUI的界面。
首先实验建立了一个棋盘类:
class ReversiBoard(Tk.Canvas)
棋盘类主要包含了对棋盘画布的各种动作,包括初始化、刷新、放置棋子、轮次转换等功能。同时定义了一些参数:
cell_size = 46 #方格大小
margin = 5 #间距偏移
board = rvs.getInitialBoard() #获得棋盘
validBoard = True #棋盘合法
isPayerTurn = True #玩家先行
step = [] #记录步数
然后建立了棋盘的框架类,主要建立棋盘的主体框架:
class Reversi(Tk.Frame)
最后是MCTS算法的核心部分,即蒙特卡洛搜索树的核心算法结构,另外建立mcts_reversi.py文件作为模块导入。棋盘定义一个8$\times$8的矩阵然后映射到棋盘画布的位置,矩阵内用棋子颜色替代棋子,各种操作主要针对矩阵,然后将每一步的矩阵变化映射到棋盘画布,刷新棋盘画布即可完成人机交互。
下面对每个部分的代码进行一个简要的介绍。
主要代码如下:
class Reversi(Tk.Frame):
def __init__(self, master=None):
Tk.Frame.__init__(self, master)
self.master.title("打败人工智障")
l_title = Tk.Label(self, text='Reversi_AI', font=('Times', '24', ('italic', 'bold')), fg='#191970', bg='#EEE8AA',
width=12)
l_title.pack(padx=10, pady=10)
self.f_board = ReversiBoard(self)
self.f_board.pack(padx=10, pady=10)
此部分代码主要是实现了棋盘画布的定义,此后对棋盘的各种操作都以此部分为基础。其中,Tk.Label()函数定义了画布的基本属性,包括文本、字体的相关属性。最后打包以备后续处理。
首先进行棋盘的初始化,完成棋盘的初始状态。
def __init__(self, master):
cwidth = rvs.BOARD_SIZE * self.cell_size
Tk.Canvas.__init__(self, master, relief=Tk.RAISED, bd=4, bg='white', width=cwidth, height=cwidth,cursor="cross")
self.bind("<1>", self.put_stones)
for i in range(rvs.BOARD_SIZE):
for j in range(rvs.BOARD_SIZE):
bcolor = "#808000"
x0 = i * self.cell_size + self.margin
y0 = j * self.cell_size + self.margin
self.create_rectangle(x0, y0, x0 + self.cell_size, y0 + self.cell_size, fill=bcolor, width=1)
self.refresh()
这里首先定义了棋子的大小,然后绑定鼠标左键点击事件,将四个棋子放置到合理位置,然后刷新,结果如下:
棋盘初始化完成。
随后是放置棋子,放置棋子动作主要考虑玩家的动作,因为玩家移动鼠标点击的位置是一个范围,因此要对坐标进行转化,然后对点击的范围与位置进行判定是否合法,若合法则进行后续包括翻转棋子、轮次转换等步骤:
def put_stones(self, event): # 放置棋子
# 是否游戏结束
if self.validBoard == False:
self.validBoard = True
self.board = rvs.getInitialBoard()
self.isPayerTurn = True
for numid in self.step:
self.delete(numid)
self.step = []
self.refresh()
return
# 电脑轮次
if not (self.isPayerTurn):
return
# 玩家轮次
x = self.canvasx(event.x)
y = self.canvasy(event.y)
# 获得坐标 根据方格大小计算
i = int(x / self.cell_size)
j = int(y / self.cell_size)
#更新棋盘显示 if判断是否有合适的位置
if self.board[i][j] != 0 or rvs.updateBoard(self.board, rvs.PLAYER_NUM, i, j, checkonly=True) == 0:
return
rvs.updateBoard(self.board, rvs.PLAYER_NUM, i, j)
self.refresh()
#人类下完 转换到电脑
isPayerTurn = False
self.after(100, self.AI_move)
一次玩家合法的点击结果:
接下来是电脑的轮次:
def AI_move(self):
while True:
player_possibility = len(rvs.possible_positions(self.board, rvs.PLAYER_NUM))
mcts_possibility = len(rvs.possible_positions(self.board, rvs.COMPUTER_NUM))
if mcts_possibility == 0:
break
#获得一次运行时间
start= time.time()
stone_pos = rvs.mctsNextPosition(self.board)
end =time.time()
print("Computer position:", stone_pos)
print("Step time:",format(end-start, '.4f'),"s")
total.append(one_time)
rvs.updateBoard(self.board, rvs.COMPUTER_NUM, stone_pos[0], stone_pos[1])
self.refresh()
player_possibility = len(rvs.possible_positions(self.board, rvs.PLAYER_NUM))
mcts_possibility = len(rvs.possible_positions(self.board, rvs.COMPUTER_NUM))
if mcts_possibility == 0 or player_possibility > 0:
break
if player_possibility == 0 and mcts_possibility == 0:
self.showResult()
self.validBoard = False
self.isPayerTurn = True
这一部分主要是MCTS算法的入口部分,是电脑执子的时候执行的动作,首先根据黑白棋的规则判断电脑是否有地方可以下,然后执行蒙特卡洛树搜索返回一个下子的坐标,更新棋盘;然后判断是否游戏结束。电脑的一步下棋结果:
游戏结束的条件就是人和电脑都没有位置可以下,根据棋子数有如下三种对局结果,在此情况下执行:
def showResult(self):
player_stone = rvs.countTile(self.board, rvs.PLAYER_NUM)
mcts_stone = rvs.countTile(self.board, rvs.COMPUTER_NUM)
if player_stone > mcts_stone:
tkinter.messagebox.showinfo('Game Over', "You won")
elif player_stone == mcts_stone:
tkinter.messagebox.showinfo('Game Over', "Draw")
else:
tkinter.messagebox.showinfo('Game Over', "You lose")
print(sum(total))
如图所示为玩家胜利情况:
下棋中间过程记录,记录题目要求的单步思考时间与总思考时间,思考时间与最大深度等参数有关:
至此,棋盘的相关操作与结果已经介绍完毕,这一部分主要使用了Tk模块,可以看出这个模块对于创建应用程序GUI十分的方便。接下来介绍本次实验的核心部分,蒙特卡洛树搜索的实现。
由于图形界面并不容易进行分析,所以蒙特卡洛树搜索部分使用映射的8$\times$8的矩阵,首先定义一些参数:
BOARD_SIZE = 8 #矩阵大小
PLAYER_NUM = 2 #2代表黑棋
COMPUTER_NUM = 1 #1代表白棋
MAX_THINK_TIME = 60 #最大思考时间1min
direction=[[0, 1], [1, 1], [1, 0], [1, -1], [0, -1], [-1, -1], [-1, 0], [-1, 1]] #方向,根据此判断是否为一次合法下棋
然后是初始化矩阵:
def getInitialBoard():
board = {}
for i in range(0, BOARD_SIZE):
board[i] = {}
for j in range(0, BOARD_SIZE):
board[i][j] = 0
board[BOARD_SIZE / 2 - 1][BOARD_SIZE / 2 - 1] = COMPUTER_NUM
board[BOARD_SIZE / 2][BOARD_SIZE / 2] = COMPUTER_NUM
board[BOARD_SIZE / 2 - 1][BOARD_SIZE / 2] = PLAYER_NUM
board[BOARD_SIZE / 2][BOARD_SIZE / 2 - 1] = PLAYER_NUM
return board
前面介绍的GUI棋盘的初始化就依赖于这个初始化的矩阵。
为了实现搜素算法,还需要各种辅助函数,主要包括寻找可以下棋的位置、是否到达边界、更新棋盘矩阵等等:
# 返回棋子数
def countTile(board, tile):
stones = 0
for i in range(0, BOARD_SIZE):
for j in range(0, BOARD_SIZE):
if board[i][j] == tile:
stones += 1
return stones
# 返回一个颜色棋子可能的下棋位置
def possible_positions(board, tile):
positions = []
for i in range(0, BOARD_SIZE):
for j in range(0, BOARD_SIZE):
if board[i][j] != 0:
continue
if updateBoard(board, tile, i, j, checkonly=True) > 0:
positions.append((i, j))
return positions
def isOnBoard(x, y):
return x >= 0 and x <= 7 and y >= 0 and y <= 7
# 是否是合法走法,如果合法返回需要翻转的棋子列表
def updateBoard(board, tile, i, j, checkonly=False):
# 该位置已有棋子或者出界
reversed_stone = 0
# 是否是合法走法,如果合法返回需要翻转的棋子列表
def updateBoard(board, tile, i, j, checkonly=False):
# 该位置已经有棋子或者出界了,返回False
reversed_stone = 0
# 临时将tile放到指定的位置
board[i][j] = tile
if tile == 2:
change = 1
else:
change = 2
# 要被翻转的棋子
need_turn = []
for xdirection, ydirection in direction:
x, y = i, j
x += xdirection
y += ydirection
if isOnBoard(x, y) and board[x][y] == change:
x += xdirection
y += ydirection
if not isOnBoard(x, y):
continue
# 一直走到出界或不是对方棋子的位置
while board[x][y] == change:
x += xdirection
y += ydirection
if not isOnBoard(x, y):
break
# 出界了,则没有棋子可以翻转
if not isOnBoard(x, y):
continue
# 是自己的棋子,二者之间的棋子都要被翻转
if board[x][y] == tile:
while True:
x -= xdirection
y -= ydirection
# 回到了起点则结束
if x == i and y == j:
break
# 需要翻转的棋子
need_turn.append([x, y])
# 将前面临时放上的棋子去掉
board[i][j] = 0
# 没有要被翻转的棋子,则走法非法。
for x, y in need_turn:
if not (checkonly):
board[i][j] = tile
board[x][y] = tile # 翻转棋子
reversed_stone += 1
return reversed_stone
这里解释介绍一下updateBoard()函数,其返回需要被翻转的棋子个数,checkonly参数主要用来进行判断是否是仅仅用来检查,若为True,说明这个函数只是用来计算个数的;若为False,说明该函数还需将棋子翻转。具体运用情况见后续代码。
接下来是MCTS实现部分,代码如下:
# 蒙特卡洛树搜索
def mctsNextPosition(board):
def ucb1(node_tuple, t, cval):
name, nplayout, reward, childrens = node_tuple
if nplayout == 0:
nplayout = 0.00000000001
if t == 0:
t = 1
return (reward / nplayout) + cval * math.sqrt(2 * math.log(t) / nplayout)
def find_playout(tep_board, tile, depth=0):
def eval_board(tep_board):
player_tile = countTile(tep_board, PLAYER_NUM)
computer_tile = countTile(tep_board, COMPUTER_NUM)
if computer_tile > player_tile:
return True
return False
if depth > 32:
return eval_board(tep_board)
turn_positions = possible_positions(tep_board, tile)
# 查看是否可以在这个位置下棋
if len(turn_positions) == 0:
if tile == COMPUTER_NUM:
neg_turn = PLAYER_NUM
else:
neg_turn = COMPUTER_NUM
neg_turn_positions = possible_positions(tep_board, neg_turn)
if len(neg_turn_positions) == 0:
return eval_board(tep_board)
else:
tile = neg_turn
turn_positions = neg_turn_positions
# 随机放置一个棋子
temp = turn_positions[random.randrange(0, len(turn_positions))]
updateBoard(tep_board, tile, temp[0], temp[1])
# 转换轮次
if tile == COMPUTER_NUM:
tile = PLAYER_NUM
else:
tile = COMPUTER_NUM
return find_playout(tep_board, tile, depth=depth + 1)
def expand(tep_board, tile):
positions = possible_positions(tep_board, tile)
result = []
for temp in positions:
result.append((temp, 0, 0, []))
return result
def find_path(root, total_playout):
current_path = []
child = root
parent_playout = total_playout
isMCTSTurn = True
while True:
if len(child) == 0:
break
maxidxlist = [0]
cidx = 0
if isMCTSTurn:
maxval = -1
else:
maxval = 2
for n_tuple in child:
parent, t_playout, reward, t_childrens = n_tuple
#实现最大最小搜索,电脑选择最大值,玩家选择最小值
if isMCTSTurn:
cval = ucb1(n_tuple, parent_playout, 0.1)
if cval >= maxval:
if cval == maxval:
maxidxlist.append(cidx)
else:
maxidxlist = [cidx]
maxval = cval
else:
cval = ucb1(n_tuple, parent_playout, -0.1)
if cval <= maxval:
if cval == maxval:
maxidxlist.append(cidx)
else:
maxidxlist = [cidx]
maxval = cval
cidx += 1
# 随机进行下棋,扩展
maxidx = maxidxlist[random.randrange(0, len(maxidxlist))]
parent, t_playout, reward, t_childrens = child[maxidx]
current_path.append(parent)
parent_playout = t_playout
child = t_childrens
isMCTSTurn = not (isMCTSTurn)
return current_path
root = expand(board, COMPUTER_NUM)
current_board = getInitialBoard()
current_board2 = getInitialBoard()
start_time = time.time()
for loop in range(0, 5000):
# 思考最大时间限制
if (time.time() - start_time) >= MAX_THINK_TIME:
break
# current_path是一个放置棋子的位置列表,根据此列表进行后续操作
current_path = find_path(root, loop)
tile = COMPUTER_NUM
for temp in current_path:
updateBoard(current_board, tile, temp[0], temp[1])
if tile == COMPUTER_NUM:
tile = PLAYER_NUM
else:
tile = COMPUTER_NUM
#复制棋盘,因为会在find_playout函数修改了棋盘
isWon = find_playout(current_board2, tile)
#自顶向下传递参数
child = root
for temp in current_path:
idx = 0
for n_tuple in child:
parent, t_playout, reward, t_childrens = n_tuple
if temp[0] == parent[0] and temp[1] == parent[1]:
break
idx += 1
if temp[0] == parent[0] and temp[1] == parent[1]:
t_playout += 1
if isWon:
reward += 1
if t_playout >= 5 and len(t_childrens) == 0:
t_childrens = expand(current_board, tile)
child[idx] = (parent, t_playout, reward, t_childrens)
child = t_childrens
print("loop count: ", loop)
max_avg_reward = -1
mt_result = (0, 0)
for n_tuple in root:
parent, t_playout, reward, t_childrens = n_tuple
if (t_playout > 0) and (reward / t_playout > max_avg_reward):
mt_result = parent
max_avg_reward = reward / t_playout
return mt_result
此部分函数主要是蒙特卡洛树搜索四个步骤的具体实现,定义模拟次数为5000次。基本思路是寻找最可能的节点,“最可能”定义为规定的模拟次数下获胜的次数最多。选择步骤根据计算的UCB的值,从根自顶向下进行最大最小搜索,直到找到一个可扩展的节点,随机选择其中一个叶子节点进行扩展,将刚刚选择的叶子节点加上一个统计信息为’0/0‘的节点,进入下一步模拟。模拟只进行一步走子即输出结果,利用函数判断输赢,更新本节点的输赢情况,已经被模拟的次数。最后进行回溯,从本节点开始,沿着刚刚向下的路径往回走,自底向上地沿途更新各个父节点的统计信息,即输赢与模拟次数的信息。
至此实现了整个MCTS的简单应用。