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1

public 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