katseyres2 / abalone

Artificial intelligence with Alpha-Beta pruning algorithm.

Intelligence Artificielle : Abalone avec l'algorithme minimax / alpha-beta pruning

    BINOME
        18332 - Maximilien Denis
        20324 - Nick Kuijpers

Introduction 🤠

Dans le cadre du cours d'informatique de deuxième bac en ingénieur industriel, nous devions développer une intelligence artificielle pour le jeu de société Abalone.

TimeLine 🚀

Nous avons d'abord voulu nous inspirer de l'algorithme développé pour le projet Alpha-Go Zero (rendu populaire par Netflix). Une partie de cet algorithme se nomme Monte-Carlo Tree Search.
Malheureusement, que ce soit par le temps ou par le manque de connaissance, nous n'avons pas réussi à aller au bout de nos idées, il a fallu adapter le travail.
Un autre concept vu en cours nous a semblé plus réaliste. Il s'agit de l'algorithme mini-max que nous avons étoffé grâce à alpha-beta pruning.

Minimax 🖱️

Procédé

• Construction d'une arborescence qui représente l'ensemble des états possibles du jeu à partir du plateau de départ qu'on appelle root.
• C'est arbre possède plusieurs éléments :
  • Les noeuds : ce sont les états du plateau de jeu qui illustrent l'avancement de la partie
  • Les ponts : représentent les interactions entre les noeuds, ici ce sont les moves
  • Les terminaisons : l'état final de la partie (soit un gagnant et un perdant, soit une égalité = Sumito)
  • L'heuristique : pour chaque noeud, minimax tente à évaluer la position obtenue appelée heuristique. Elle est basée sur trois principes :
    1. Les pions doivent être le plus proche possible les uns des autres
    2. Ils doivent être proche du centre du plateau de jeu
    3. Récompense supplémentaire s'ils poussent un / des pion(s) adverse(s) en-dehors du plateau
• L'algorithme minimax tente à choisir l'état qui avantage le plus le joueur à partir d'un noeud défini. Nous optimisons cette recherche avec alpha-beta pruning qui permet de négliger la recherche dans certains noeuds car nous connaissons déjà la meilleure ou la pire heuristique existante pour le noeud root défini.
• Afin de réduire le temps de recherche, les moves qui possèdent les plus grandes chaînes sont prioritaires sur les autres. Leur heuristique est généralement meilleure.