五子棋AI 蒙特卡洛樹搜尋

自高中時代做了乙個帶簡單ai的五子棋遊戲後，一直以來實現乙個更加厲害的五子棋ai算是我的小目標。之前也嘗試過使用 minmax 演算法，最終結果不甚理想。當然並不是演算法問題，而是搭配這個演算法需要許多領域知識，這些知識我並不了解，以至於結果與我的期望相去甚遠。

我心目中滿意的五子棋ai是這樣的：

不需要像 minmax 那樣去編寫乙個局面評估函式

演算法看上去很簡單很傻也沒關係，但可以通過訓練提高棋力

似乎真的可以理解局面

在 alphago 出現之前，我的思路都是採用遺傳演算法，因為我確實看到過遺傳演算法在桌面遊戲中的成功應用。但是遺傳演算法需要某些東西可以被遺傳跟突變，我那時並沒有想到哪些資訊該編碼進去，如果將棋形分數編碼，應該還是會得到乙個比較弱的ai。

後來 alphago 出現了，它幾乎就是我夢想中的 ai 了，除了需要人類棋譜。再後來 alphazero 出現了，不依賴人類棋譜，僅以自我對弈的方式就可以發現圍棋的奧妙。於是，我決定以 alphazero 的實現方法為藍本實現我的夢想五子棋 ai。alphazero 採用了深度學習和蒙特卡洛樹搜尋，深度學習我還沒有接觸過，為了不至於什麼東西也做不出來，我打算先從蒙特卡洛樹搜尋開始。

關於蒙特卡洛樹搜尋我並不想再做介紹，已經有很多講解的很好的文章了。我想實現乙個稍微通用點的並且盡量教科書式的蒙特卡洛樹搜尋，方便自己或者他人閱讀，今後也可以用於其他遊戲。鑑於我了解 c++，我打算採用 c++ 來實現。

樹有節點，需要定義節點資料型別。考慮到蒙特卡洛樹搜尋執行所需要的資料，我把節點定義成如下樣子：

templatestruct node_t ;

其中，w 表示分數；n 表示節點訪問次數；p = w/n；q = ln(n) * 2。p, q 是為了方便，將一些中間計算結果儲存在了節點中，並不是必要的。children 採用 std::vector 主要是想把記憶體管理的事情簡化掉，並且提高子節點遍歷的效率。節點的模版引數看著很奇怪，其實只是為了與其他地方統一。

蒙特卡洛演算法執行需要知道根節點以及狀態，我設計如下資料結構封裝這兩個資料。

templatestruct mcts_context ;

有了上面兩個資料結構，蒙特卡洛樹搜尋的大致框架就有了。

templatenode_t<_state>* mct_search(mcts_context<_state>& ctx, std::chrono::duration<_rep, _ra> dur) 
return &*std::max_element(
ctx.root.children.begin(), ctx.root.children.end(), 
(const node_type& a, const node_type& b)
);}

其中 select, expand, playout, back_propagate 對應演算法的四個階段。要注意的是 playout 的行為是，隨機模擬結束後，若獲勝方為當前行棋方（呼叫 playout 時當前局面的行棋方）則返回 1，對手獲勝返回 -1，平局返回 0。因為要做乙個通用的演算法，這裡肯定不能假設黑方白方，但兩人回合制遊戲一定存在當前方。最終結果乘以 -1 的理由是，若當前演算法要為白棋搜尋最好著法，則根節點對應的局面為白方行棋，那麼子節點對應白方每個合理著法之後的局面，而這些子節點對應局面的行棋方是黑方。如果子節點模擬結束後黑棋獲勝，就表示白棋行棋后導致黑棋獲勝，這顯然不是我們想要的。我們肯定更希望白棋行棋后導致白棋獲勝的著法，而行棋后的局面與局面當前行棋方總是相反關係，也就是說如果當前為白棋行棋則一定是黑棋走了一步棋造成的，所以最終結果乘以 -1。

由於節點只儲存動作並未儲存當前局面狀態，所以我將局面狀態繫結到 select, expand 階段。在 select/expand 階段選擇出子節點的同時將 context 中的狀態改變至節點對應的狀態，在一輪結束後再將狀態恢復至初始狀態。有些實現會採用 do_move/undo_move 達到同樣效果。

接下來就是實現框架中的每個階段了。

select 是選擇出葉子節點，其中葉子節點的定義是還沒有執行過隨機模擬的節點或者終結節點，也就是 n 為 0 或者沒有子節點的節點。

templatenode_t<_state>* select(mcts_context<_state>& ctx) 
);ctx.state = next(ctx.state, pnode->action);
}  return pnode;
}

這裡我引入了乙個新函式 next()，它的作用是給定當前局面狀態和動作，返回動作執行後的下個局面狀態。由於是通用演算法，局面狀態的表示法還不確定，所以這裡實際是留給局面狀態實現方的介面。

expand 是擴充套件節點。

templatenode_t<_state>* expand(mcts_context<_state>& ctx, node_t<_state>* leaf) ;});
leaf = &leaf->children.first();
ctx.state = next(ctx.state, leaf->action);
return leaf;
}

這裡引入了乙個新的函式 actions() 用來獲取當前局面狀態的可行動作，如果沒有可行動作則表示這是最終局面了。同 next() ,這也是留給局面狀態實現方的介面。

playout 需要執行隨機模擬和判斷輸贏，有太多根局面狀態繫結的概念，所以也留給局面狀態實現方。

back_propagate 就是把結果反向傳播到根節點。

templatevoid back_propagate(node_t<_state>* leaf, double score) 
}

至此蒙特卡洛樹搜尋演算法就算是完成了，我留了 3 個介面（next(), actions(), playout()）給外部，這三個函式的實現我將在接下來局面狀態的文章中具體講。整個結構肯定存在可以調整優化的地方，不過先不急。

五子棋AI 蒙特卡洛樹搜尋

蒙特卡洛樹搜尋 8 11 蒙特卡洛樹搜尋

五子棋 AI篇

MCTS 蒙特卡洛樹搜尋

五子棋AI 蒙特卡洛樹搜尋

蒙特卡洛樹搜尋 8 11 蒙特卡洛樹搜尋

五子棋 AI篇

MCTS 蒙特卡洛樹搜尋

相關推薦