gomoku的AI策略（tic tac toe的变体）

Question

我正在编写一个Gomoku的变体游戏。在一块巨大的木板上基本上是一个tic tac toe。

想知道是否有人知道游戏的良好人工智能策略。我目前的实现是非常愚蠢的，需要很长时间（O（n ^ 3），大约1-2秒才能移动）：

-(void) moveAI {
    //check if the enemy is trying to make a line horizontally, vertically, or diagonally
    //O(n^3 * 3)
    [self checkEnemies];

    //check if we can make a line horizontally, vertically, or diagonally
    //O(n^3 * 3)
    [self checkIfWeCanMakeALine];

    //otherwise just put the piece randomly
    [self put randomly];
}

编辑：谢谢大家的反馈！我会尝试你的答案，让你们知道我是否可以做出任何改进。

Answer 1

对于gomoku，已经找到了获胜策略。见本文：L. Victor Allis, H. J. van den Herik, M. P. H. Huntjens. Go-Moku and Threat-Space Search。当我写自己的程序时，它对我帮助很大。通过这种方式，你将能够编写出能够很好地攻击对手并找到胜利组合的程序。

Answer 2

为这类游戏编写AI的传统且相当有效的策略是典型的树搜索策略。也就是说，每个板状态在图形中形成节点，并且在每个节点和可以由单个移动产生的状态之间放置有向边缘。以这种方式构建树，其中根板是空节点。然后，以一种巧妙的方式遍历树，找到看起来像“好”的状态。 “良好”状态通常通过使用一些聪明的启发式的评估函数来测量。显然你不想访问树中的所有节点 - 这将是很多工作！你只想要一些聪明的东西。

您可以添加预先计算的早期游戏和结束游戏以加速这些场景，然后依靠针对游戏中期的优化的树遍历启发式方法。

此类树遍历算法的实际名称是“Minimax”算法。在维基百科上寻找它，你会看到很多相当不错的材料。有一些方法可以提高算法的效率，其中最引人注目的是alpha-beta修剪，所以一定要看一下。您可能需要查看connect-four启发式方法，并决定如何将它们应用到游戏中。例如，用于评估电路板状态的可能良好的启发式方法是计算可连续的2次运行，3次运行和4次运行的数量，并将它们加权到分数中。 （例如，每次2次运行值1点，每次3次运行值10点，每次4次运行值1000点）

另一种优化策略是开发一种启发式算法，优先考虑极小极大算法应该搜索的位置 - 通常通过估计董事会评估函数的某种确定性。

通过这种策略，您应该能够在相同的时间内获得不那么愚蠢的AI。然而，真的，非常好的AI需要花费很多精力来构建，即使在这些“简单”的游戏中，它仍然可能需要超过10秒或更长时间才能让聪明的动作不受影响。另一方面，有一些聪明的编程技巧，例如在人类对手忙于思考时通过树预先计算遍历。嘿，人类可以在计算机的同时思考。公平公正！

希望我得到了一些帮助。祝好运！这是一个有趣的项目。

Answer 3

我一直在尝试为同一个程序创建一个算法。

你当然是正确的，你的计划应该做的第一件事就是检查是否有办法形成5并获胜。如果没有，那么接下来应该检查你的对手是否可以做到这一点，如果有，那么就是防守。

你玩了多少自己的gomoku？你对基础知识的掌握程度如何？

好的，下一步是思考：我们如何才能获得能够获胜的位置？显然，要赢，我们必须连续四次。但我们只是连续四次形成​​：

__________
____XOOOO_
__________

然后对手可以关闭它。

但如果我们形成“开放四”，就像这样：

__________
____OOOO__
__________

然后对手无法关闭双方而你可以获胜。因此，形成一个开放的四是获胜的一种方式。现在问题是：我们怎样才能形成一个开放的四个？当然，如果我们形成“开放三”，就像这样：

__________
____OOO___
__________

然后对手可能阻止我们：

___________
____XOOO___
___________

我们回到了开始。

为了获胜，我们可以同时组成两个空位三分球：

____________
____OOO_____
_____O______
____O_______

现在如果对手阻挡其中一个，我们可以使用另一个来形成一个开放的四个：

____________
_______O____
___XOOO_____
_____O______
____O_______
____________

并赢了：

________O___
_______O____
___XOOO_____
_____O______
____O_______
___X________

在gomoku术语中，如果您同时打出两个开放三分球，则称为3x3。

请注意，两个三分球必须是开放的：你能理解为什么吗？

还有其他获胜方式：

4x3：你看到胜利的举动以及为什么赢了？

____________
__XOOO______
__XXXO______
____OX______
____________

4x4：看到获胜的举动？

____________
__XOOO______
__XXXO______
__OXOX______
___O________
__X_________

这些只是游戏的基础知识。了解策略有助于您思考如何构建AI，因此您可以对原则进行硬编码。

当然，这只是一个开始。如果你能尝试实现这一点然后给我反馈，我将不胜感激。

我一直在尝试用Java编写程序。你想看看我做过的代码吗？你可以玩游戏吗？它还不是很好，但你可以从中获得新的想法。虽然注释和变量名称是用爱沙尼亚语编写的，但可能很难理解。 ：（

Answer 4

我创造了一个gomoku播放器一次，使用alpha-beta修剪非常成功，每个位置的分数取决于每个玩家有多少半开放和完全开放的2s，3s和4s。

计算这不是n ^ 3。您只需检查最新的移动是否关闭任何对手线，如果它延伸了一些线，则相应地修改得分。

如果你需要它玩得更好，我会研究国际象棋电脑的一些技巧。例如，尝试“杀手移动”（记住哪些移动得分高或在其他位置直接获胜）首先搜索时会显着提高树搜索的效率。重要的是在alpha-beta修剪中首先尝试假定的最佳动作。

当你拥有你的玩家时，你应该尝试通过互相玩不同的版本来找出不同元素（2s，3s，4s，开放和半开放等）的得分最好。

Answer 5

Gomoku已经解决了，但是当它打开位置和有限的资源时它没有被解决。

我是Hewer gomoku计划和Gomocup组织者的作者，我可以告诉您，编写好的Gomoku AI需要很长时间。 Renju要复杂得多。您可以使用Gomocup界面简化工作，并编写“仅”AI。

Answer 6

我来迟了一点，但问题尚待解决，因此我将补充自己对Gomoku AI播放器的经验。也许有人会觉得它有用...

我也创建了Gomoku player。它不是完美的，但是它玩起来相当不错，而且肯定比我更好。无论如何，我发现：

• 如果玩家将使用深度搜索，则正确移动的搜索应限于特定的棋盘位置。天真的方法是仅搜索宝石的相邻位置。另一种方法是只包括产生“威胁”的动作，例如开2s，开3s等。然后只包括阻止进攻动作的防御动作。这种启发式方法大大减少了要搜索的节点数量。如果我理解正确，可以使用类似的方法来减少搜索空间来解决Gomoku。
• 但是Gomoku的分支因子很高，如果玩家未找到获胜顺序，则必须采取“最佳”的可能动作。启发式定义什么是“最佳”对于AI播放器的工作非常重要。

因此，我的Gomoku播放器无需进行深度搜索即可评估所有棋盘位置。它将水平，垂直和对角线分成几串。然后在表中搜索那些字符串中的模式。对于黑人玩家，一些模式是：

1. xxxxx：得分10000000000
2. -xxxx-：9999999
3. -xxx-：50
4. -xx-：500
5. ooooo：-100000000
6. -oooo-：-99999999
7. -ooo--：-999999
8. -oo-：-2000

X标记黑色玩家石头，O标记白色玩家石头，“-”标记空白位置。玩家将所有找到的图案加总，并找到得分最高的棋子。