Python实现的基于蒙特卡洛树搜索的完整代码
最终效果：在控制台输入输出，实现3种玩家（AI或者人类或者随机）的对弈
目录
一、黑白棋简介
二、蒙特卡洛树搜索简介
1.蒙特卡洛树搜索Monte Carlo Tree Search, MCTS
2.上限置信区间UCB1算法
3.通俗算法思路
4.图示
三、代码实现
前言：
关于代码：黑白棋部分直接来源为浙江大学Mo平台，仅AI模块为原创
由于水平所限，可能会出现一些错误，还请大佬们指正
本文仅做简要的介绍和实现，不涉及数学原理（因为我也不会QAQ）
一、黑白棋简介
黑白棋 (Reversi)，也叫苹果棋，翻转棋，是一个经典的策略性游戏
**游戏规则**：
棋局开始时黑棋位于 E4 和 D5 ，白棋位于 D4 和 E5，如图所示。
1. 黑方先行，双方交替下棋。
2. 一步合法的棋步包括：
（1）在一个空格处落下一个棋子，并且翻转对手一个或多个棋子；
（2）新落下的棋子必须落在可夹住对方棋子的位置上，对方被夹住的所有棋子都要翻转过来，可
以是横着夹，竖着夹，或是斜着夹。夹住的位置上必须全部是对手的棋子，不能有空格；
（3）一步棋可以在数个（横向，纵向，对角线）方向上翻棋，任何被夹住的棋子都必须被翻转过来，棋手无权选择不去翻某个棋子。
3. 如果一方没有合法棋步，也就是说不管他下到哪里，都不能至少翻转对手的一个棋子，那他这
轮只能弃权，而由他的对手继续落子直到他有合法棋步可下。
4. 如果一方至少有一步合法棋步可下，他就必须落子，不得弃权。
5. 棋局持续下去，直到棋盘填满或者双方都无合法棋步可下。
6. 如果某一方落子时间超过 1 分钟 或者 连续落子 3 次不合法，则判该方失败。
二、蒙特卡洛树搜索简介
1.蒙特卡洛树搜索Monte Carlo Tree Search, MCTS
简介：
蒙特卡洛树搜索大概可以被分成四步。选择，扩展，模拟，反向传播。
在开始阶段，搜索树只有一个节点，也就是当前需要做出选择的局面。
搜索树中的每一个节点至少包含：当前局面，访问次数，累计奖励。
1、选择（selection）∶指算法从搜索树的根结点开始，向下递归选择子结点，直至到达叶子结点或者到达具有还未被扩展过的子结点。这个向下递归选择过程可由UCB1算法（公式在后面）来实现。
2、扩展（expansion）∶如果结点L不是一个终止结点（或对抗搜索的终局结点），则随机扩展它的一个未被扩展过的后继边缘结点M。
3、模拟（simulation）∶从结点M出发，模拟扩展搜索树，直到找到一个终止结点。模拟过程使用的策略和采用UCB1 算法实现的选择过程并不相同，前者通常会使用比较简单的策略，例如使用随机策略。
4、反向传播（Back Propagation）∶用模拟所得结果（终止结点的代价或游戏终局分数）回溯更新模拟路径中结点的奖励均值和被访问次数。
2.上限置信区间UCB1算法
具体原理可以查阅其他文章，此处不做赘述。直接给出公式和含义
其中argmax x表示这个节点的平均奖励值，也就是奖励总和(reward)除以访问次数(visits)
C为UCB1的超参数，自定义
t为该节点的父节点的访问次数
T为该节点的访问次数
3.通俗算法思路
（仅限本文黑白棋例子）
选择：从根节点开始，递归选择UCB值最大的一个节点（我们认为没有被扩展的节点UCB值无限大）
扩展：（1）如果当目前节点下的所有节点都已经被访问过了，并且这些节点都不是终止节点，则需要选择一个UCB值最大的节点进行扩展（添加它的子节点并初始化），返回扩展的节点。（2）如果还有节点没有被访问过，就不进行扩展，返回这个没被访问的节点
模拟：从上面已经选择的节点开始，进行一次对局模拟，直到分出胜负或者达到步数限制，返回所得的分值
反向传播：由模拟得到的奖励值，进行由叶节点到根节点的反向路径上的传播，依次更新节点值：原来的节点值加上或者减去新的奖励值（取决于所选的颜色），并且路径上所有节点访问次数+1
最后到达步数上限后，选择搜索树的第一级子节点（根节点的孩子）中UCB值最大的节点，作为下一步行棋
4.图示
假设我们为黑方，图中数值：分值/访问次数
选择：假设初始如下，经过UCB值计算，最终选择了1/1的叶节点（UCB值最大）
扩展：叶节点都被访问过了，需要扩展新的节点，设为0/0
模拟：在新扩展的节点上模拟一次对局，结果白棋胜，记为0分
反向传播：所有路径上的节点分值+0，访问次数+1
三、代码实现
分为Game类，Board类，和三种Player
Game类
# !/usr/bin/Anaconda3/python# -*- coding: utf-8 -*-from func_timeout import func_timeout, FunctionTimedOutimport datetimefrom board import Boardfrom copy import deepcopyclass Game(object): def __init__(self, black_player, white_player): self.board = Board() # 棋盘 # 定义棋盘上当前下棋棋手，先默认是 None self.current_player = None self.black_player = black_player # 黑棋一方 self.white_player = white_player # 白棋一方 self.black_player.color = "X" self.white_player.color = "O" def switch_player(self, black_player, white_player): """ 游戏过程中切换玩家 :param black_player: 黑棋 :param white_player: 白棋 :return: 当前玩家 """ # 如果当前玩家是 None 或者 白棋一方 white_player，则返回 黑棋一方 black_player; if self.current_player is None: return black_player else: # 如果当前玩家是黑棋一方 black_player 则返回 白棋一方 white_player if self.current_player == self.black_player: return white_player else: return black_player def print_winner(self, winner): """ 打印赢家 :param winner: [0,1,2] 分别代表黑棋获胜、白棋获胜、平局3种可能。 :return: """ print(['黑棋获胜!', '白棋获胜!', '平局'][winner]) def force_loss(self, is_timeout=False, is_board=False, is_legal=False): """ 落子3个不合符规则和超时则结束游戏,修改棋盘也是输 :param is_timeout: 时间是否超时，默认不超时 :param is_board: 是否修改棋盘 :param is_legal: 落子是否合法 :return: 赢家（0,1）,棋子差 0 """ if self.current_player == self.black_player: win_color = '白棋 - O' loss_color = '黑棋 - X' winner = 1 else: win_color = '黑棋 - X' loss_color = '白棋 - O' winner = 0 if is_timeout: print('\n{} 思考超过 60s, {} 胜'.format(loss_color, win_color)) if is_legal: print('\n{} 落子 3 次不符合规则,故 {} 胜'.format(loss_color, win_color)) if is_board: print('\n{} 擅自改动棋盘判输,故 {} 胜'.format(loss_color, win_color)) diff = 0 return winner, diff def run(self): """ 运行游戏 :return: """ # 定义统计双方下棋时间 total_time = {"X": 0, "O": 0} # 定义双方每一步下棋时间 step_time = {"X": 0, "O": 0} # 初始化胜负结果和棋子差 winner = None diff = -1 # 游戏开始 print('\n=====开始游戏!=====\n') # 棋盘初始化 self.board.display(step_time, total_time) while True: # 切换当前玩家,如果当前玩家是 None 或者白棋 white_player，则返回黑棋 black_player; # 否则返回 white_player。 self.current_player = self.switch_player(self.black_player, self.white_player) start_time = datetime.datetime.now() # 当前玩家对棋盘进行思考后，得到落子位置 # 判断当前下棋方 color = "X" if self.current_player == self.black_player else "O" # 获取当前下棋方合法落子位置 legal_actions = list(self.board.get_legal_actions(color)) # print("%s合法落子坐标列表："%color,legal_actions) if len(legal_actions) == 0: # 判断游戏是否结束 if self.game_over(): # 游戏结束，双方都没有合法位置 winner, diff = self.board.get_winner() # 得到赢家 0,1,2 break else: # 另一方有合法位置,切换下棋方 continue board = deepcopy(self.board._board) # legal_actions 不等于 0 则表示当前下棋方有合法落子位置 try: for i in range(0, 3): # 获取落子位置 action = func_timeout(60, self.current_player.get_move, kwargs={'board': self.board}) # 如果 action 是 Q 则说明人类想结束比赛 if action == "Q": # 说明人类想结束游戏，即根据棋子个数定输赢。 break if action not in legal_actions: # 判断当前下棋方落子是否符合合法落子,如果不合法,则需要对方重新输入 print("你落子不符合规则,请重新落子！") continue else: # 落子合法则直接 break break else: # 落子3次不合法，结束游戏！ winner, diff = self.force_loss(is_legal=True) break except FunctionTimedOut: # 落子超时，结束游戏 winner, diff = self.force_loss(is_timeout=True) break # 结束时间 end_time = datetime.datetime.now() if board != self.board._board: # 修改棋盘，结束游戏！ winner, diff = self.force_loss(is_board=True) break if action == "Q": # 说明人类想结束游戏，即根据棋子个数定输赢。 winner, diff = self.board.get_winner() # 得到赢家 0,1,2 break if action is None: continue else: # 统计一步所用的时间 es_time = (end_time - start_time).seconds if es_time > 60: # 该步超过60秒则结束比赛。 print('\n{} 思考超过 60s'.format(self.current_player)) winner, diff = self.force_loss(is_timeout=True) break # 当前玩家颜色，更新棋局 self.board._move(action, color) # 统计每种棋子下棋所用总时间 if self.current_player == self.black_player: # 当前选手是黑棋一方 step_time["X"] = es_time total_time["X"] += es_time else: step_time["O"] = es_time total_time["O"] += es_time # 显示当前棋盘 self.board.display(step_time, total_time) # 判断游戏是否结束 if self.game_over(): # 游戏结束 winner, diff = self.board.get_winner() # 得到赢家 0,1,2 break print('\n=====游戏结束!=====\n') self.board.display(step_time, total_time) self.print_winner(winner) # 返回'black_win','white_win','draw',棋子数差 if winner is not None and diff > -1: result = {0: 'black_win', 1: 'white_win', 2: 'draw'}[winner] return result, diff def game_over(self): """ 判断游戏是否结束 :return: True/False 游戏结束/游戏没有结束 """ # 根据当前棋盘，判断棋局是否终止 # 如果当前选手没有合法下棋的位子，则切换选手；如果另外一个选手也没有合法的下棋位置，则比赛停止。 b_list = list(self.board.get_legal_actions('X')) w_list = list(self.board.get_legal_actions('O')) is_over = len(b_list) == 0 and len(w_list) == 0 # 返回值 True/False return is_overBoard类
#!/usr/bin/Anaconda3/python# -*- coding: utf-8 -*-class Board(object): """ Board 黑白棋棋盘，规格是8*8，黑棋用 X 表示，白棋用 O 表示，未落子时用 . 表示。 """ def __init__(self): """ 初始化棋盘状态 """ self.empty = '.' # 未落子状态 self._board = [[self.empty for _ in range(8)] for _ in range(8)] # 规格：8*8 self._board[3][4] = 'X' # 黑棋棋子 self._board[4][3] = 'X' # 黑棋棋子 self._board[3][3], self._board[4][4] = 'O', 'O' # 白棋棋子 def __getitem__(self, index): """ 添加Board[][] 索引语法 :param index: 下标索引 :return: """ return self._board[index] def display(self, step_time=None, total_time=None): """ 打印棋盘 :param step_time: 每一步的耗时, 比如:{"X":1,"O":0},默认值是None :param total_time: 总耗时, 比如:{"X":1,"O":0},默认值是None :return: """ board = self._board # print(step_time,total_time) # 打印列名 print(' ', ' '.join(list('ABCDEFGH'))) # 打印行名和棋盘 for i in range(8): # print(board) print(str(i + 1), ' '.join(board[i])) if (not step_time) or (not total_time): # 棋盘初始化时展示的时间 step_time = {"X": 0, "O": 0} total_time = {"X": 0, "O": 0} print("统计棋局: 棋子总数 / 每一步耗时 / 总时间 ") print("黑 棋: " + str(self.count('X')) + ' / ' + str(step_time['X']) + ' / ' + str( total_time['X'])) print("白 棋: " + str(self.count('O')) + ' / ' + str(step_time['O']) + ' / ' + str( total_time['O']) + '\n') else: # 比赛时展示时间 print("统计棋局: 棋子总数 / 每一步耗时 / 总时间 ") print("黑 棋: " + str(self.count('X')) + ' / ' + str(step_time['X']) + ' / ' + str( total_time['X'])) print("白 棋: " + str(self.count('O')) + ' / ' + str(step_time['O']) + ' / ' + str( total_time['O']) + '\n') def count(self, color): """ 统计 color 一方棋子的数量。(O:白棋, X:黑棋, .:未落子状态) :param color: [O,X,.] 表示棋盘上不同的棋子 :return: 返回 color 棋子在棋盘上的总数 """ count = 0 for y in range(8): for x in range(8): if self._board[x][y] == color: count += 1 return count def get_winner(self): """ 判断黑棋和白旗的输赢，通过棋子的个数进行判断 :return: 0-黑棋赢，1-白旗赢，2-表示平局，黑棋个数和白旗个数相等 """ # 定义黑白棋子初始的个数 black_count, white_count = 0, 0 for i in range(8): for j in range(8): # 统计黑棋棋子的个数 if self._board[i][j] == 'X': black_count += 1 # 统计白旗棋子的个数 if self._board[i][j] == 'O': white_count += 1 if black_count > white_count: # 黑棋胜 return 0, black_count - white_count elif black_count = 0 and x = 0 and y <= 7 def _can_fliped(self, action, color): """ 检测落子是否合法,如果不合法，返回 False，否则返回反转子的坐标列表 :param action: 下子位置 :param color: [X,0,.] 棋子状态 :return: False or 反转对方棋子的坐标列表 """ # 判断action 是不是字符串，如果是则转化为数字坐标 if isinstance(action, str): action = self.board_num(action) xstart, ystart = action # 如果该位置已经有棋子或者出界，返回 False if not self.is_on_board(xstart, ystart) or self._board[xstart][ystart] != self.empty: return False # 临时将color放到指定位置 self._board[xstart][ystart] = color # 棋手 op_color = "O" if color == "X" else "X" # 要被翻转的棋子 flipped_pos = [] flipped_pos_board = [] for xdirection, ydirection in [[0, 1], [1, 1], [1, 0], [1, -1], [0, -1], [-1, -1], [-1, 0], [-1, 1]]: x, y = xstart, ystart x += xdirection y += ydirection # 如果(x,y)在棋盘上，而且为对方棋子,则在这个方向上继续前进，否则循环下一个角度。 if self.is_on_board(x, y) and self._board[x][y] == op_color: x += xdirection y += ydirection # 进一步判断点(x,y)是否在棋盘上，如果不在棋盘上，继续循环下一个角度,如果在棋盘上，则进行while循环。 if not self.is_on_board(x, y): continue # 一直走到出界或不是对方棋子的位置 while self._board[x][y] == op_color: # 如果一直是对方的棋子，则点（x,y）一直循环，直至点（x,y)出界或者不是对方的棋子。 x += xdirection y += ydirection # 点(x,y)出界了和不是对方棋子 if not self.is_on_board(x, y): break # 出界了，则没有棋子要翻转OXXXXX if not self.is_on_board(x, y): continue # 是自己的棋子OXXXXXXO if self._board[x][y] == color: while True: x -= xdirection y -= ydirection # 回到了起点则结束 if x == xstart and y == ystart: break # 需要翻转的棋子 flipped_pos.append([x, y]) # 将前面临时放上的棋子去掉，即还原棋盘 self._board[xstart][ystart] = self.empty # restore the empty space # 没有要被翻转的棋子，则走法非法。返回 False if len(flipped_pos) == 0: return False for fp in flipped_pos: flipped_pos_board.append(self.num_board(fp)) # 走法正常，返回翻转棋子的棋盘坐标 return flipped_pos_board def get_legal_actions(self, color): """ 按照黑白棋的规则获取棋子的合法走法 :param color: 不同颜色的棋子，X-黑棋，O-白棋 :return: 生成合法的落子坐标，用list()方法可以获取所有的合法坐标 """ # 表示棋盘坐标点的8个不同方向坐标，比如方向坐标[0][1]则表示坐标点的正上方。 direction = [(-1, 0), (-1, 1), (0, 1), (1, 1), (1, 0), (1, -1), (0, -1), (-1, -1)] op_color = "O" if color == "X" else "X" # 统计 op_color 一方邻近的未落子状态的位置 op_color_near_points = [] board = self._board for i in range(8): # i 是行数，从0开始，j是列数，也是从0开始 for j in range(8): # 判断棋盘[i][j]位子棋子的属性，如果是op_color，则继续进行下一步操作， # 否则继续循环获取下一个坐标棋子的属性 if board[i][j] == op_color: # dx，dy 分别表示[i][j]坐标在行、列方向上的步长，direction 表示方向坐标 for dx, dy in direction: x, y = i + dx, j + dy # 表示x、y坐标值在合理范围，棋盘坐标点board[x][y]为未落子状态， # 而且（x,y）不在op_color_near_points 中，统计对方未落子状态位置的列表才可以添加该坐标点 if 0 <= x <= 7 and 0 <= y (0,0) """ row, col = str(action[1]).upper(), str(action[0]).upper() if row in '12345678' and col in 'ABCDEFGH': # 坐标正确 x, y = '12345678'.index(row), 'ABCDEFGH'.index(col) return x, y def num_board(self, action): """ 数字坐标转化为棋盘坐标 :param action:数字坐标 ,比如(0,0) :return:棋盘坐标，比如 （0,0）---> A1 """ row, col = action l = [0, 1, 2, 3, 4, 5, 6, 7] if col in l and row in l: return chr(ord('A') + col) + str(row + 1)三个Player（随机玩家，人类玩家，AI玩家）
import mathimport randomimport sysfrom game import Game # 导入黑白棋文件from copy import deepcopyclass RandomPlayer: """ 随机玩家, 随机返回一个合法落子位置 """ def __init__(self, color): """ 玩家初始化 :param color: 下棋方，'X' - 黑棋，'O' - 白棋 """ self.color = color def random_choice(self, board): """ 从合法落子位置中随机选一个落子位置 :param board: 棋盘 :return: 随机合法落子位置, e.g. 'A1' """ # 用 list() 方法获取所有合法落子位置坐标列表 action_list = list(board.get_legal_actions(self.color)) # 如果 action_list 为空，则返回 None,否则从中选取一个随机元素，即合法落子坐标 if len(action_list) == 0: return None else: return random.choice(action_list) def get_move(self, board): """ 根据当前棋盘状态获取最佳落子位置 :param board: 棋盘 :return: action 最佳落子位置, e.g. 'A1' """ if self.color == 'X': player_name = '黑棋' else: player_name = '白棋' print("请等一会，对方 {}-{} 正在思考中...".format(player_name, self.color)) action = self.random_choice(board) return actionclass HumanPlayer: """ 人类玩家 """ def __init__(self, color): """ 玩家初始化 :param color: 下棋方，'X' - 黑棋，'O' - 白棋 """ self.color = color def get_move(self, board): """ 根据当前棋盘输入人类合法落子位置 :param board: 棋盘 :return: 人类下棋落子位置 """ # 如果 self.color 是黑棋 "X",则 player 是 "黑棋"，否则是 "白棋" if self.color == "X": player = "黑棋" else: player = "白棋" # 人类玩家输入落子位置，如果输入 'Q', 则返回 'Q'并结束比赛。 # 如果人类玩家输入棋盘位置，e.g. 'A1'， # 首先判断输入是否正确，然后再判断是否符合黑白棋规则的落子位置 while True: action = input( "请'{}-{}'方输入一个合法的坐标(e.g. 'D3'，若不想进行，请务必输入'Q'结束游戏。): ".format(player, self.color)) # 如果人类玩家输入 Q 则表示想结束比赛 if action == "Q" or action == 'q': return "Q" else: row, col = action[1].upper(), action[0].upper() # 检查人类输入是否正确 if row in '12345678' and col in 'ABCDEFGH': # 检查人类输入是否为符合规则的可落子位置 if action in board.get_legal_actions(self.color): return action else: print("你的输入不合法，请重新输入!")class Node: def __init__(self, now_board, parent=None, action=None, color=""): self.visits = 0 # 访问次数 self.reward = 0.0 # 期望值 self.now_board = now_board # 棋盘状态 self.children = [] # 孩子节点 self.parent = parent # 父节点 self.action = action # 对应动作 self.color = color # 该节点玩家颜色 def get_ucb(self, ucb_param): if self.visits == 0: return sys.maxsize # 未访问的节点ucb为无穷大 # UCB公式 explore = math.sqrt(2.0 * math.log(self.parent.visits) / float(self.visits)) now_ucb = self.reward/self.visits + ucb_param * explore return now_ucb # 生个孩子 def add_child(self, child_now_board, action, color): child_node = Node(child_now_board, parent=self, action=action, color=color) self.children.append(child_node) # 判断是否完全扩展 def full_expanded(self): # 有孩子并且所有孩子都访问过了就是完全扩展 if len(self.children) == 0: return False for kid in self.children: if kid.visits == 0: return False return Trueclass AIPlayer: """ AI 玩家 """ def __init__(self, color): """ 玩家初始化 :param color: 下棋方，'X' - 黑棋，'O' - 白棋 """ self.max_times = 50 # 最大迭代次数 self.ucb_param = 1 # ucb的参数C self.color = color def uct(self, max_times, root): """ 根据当前棋盘状态获取最佳落子位置 :param max_times: 最大搜索次数 :param root: 根节点 :return: action 最佳落子位置 """ for i in range(max_times): # 最多模拟max次 selected_node = self.select(root) leaf_node = self.extend(selected_node) reward = self.stimulate(leaf_node) self.backup(leaf_node, reward) max_node = None # 搜索完成，然后找出最适合的下一步 max_ucb = -sys.maxsize for child in root.children: child_ucb = child.get_ucb(self.ucb_param) if max_ucb < child_ucb: max_ucb = child_ucb max_node = child # max_node指向ucb最大的孩子 return max_node.action def select(self, node): """ :param node:某个节点 :return: ucb值最大的叶子 """ # print(len(node.children)) if len(node.children) == 0: # 叶子，需要扩展 return node if node.full_expanded(): # 完全扩展,递归选择ucb最大的孩子 max_node = None max_ucb = -sys.maxsize for child in node.children: child_ucb = child.get_ucb(self.ucb_param) if max_ucb < child_ucb: max_ucb = child_ucb max_node = child # max_node指向ucb最大的孩子 return self.select(max_node) else: # 没有完全扩展就选访问次数为0的孩子 for kid in node.children: # 从左开始遍历 if kid.visits == 0: return kid def extend(self, node): if node.visits == 0: # 自身还没有被访问过，不扩展，直接模拟 return node else: # 需要扩展,先确定颜色 if node.color == 'X': new_color = 'O' else: new_color = 'X' for action in list(node.now_board.get_legal_actions(node.color)): # 把所有可行节点加入孩子列表，并初始化 new_board = deepcopy(node.now_board) new_board._move(action, node.color) # 新建节点 node.add_child(new_board, action=action, color=new_color) if len(node.children) == 0: return node return node.children[0] # 返回新的孩子列表的第一个，以供下一步模拟 def stimulate(self, node): """ :param node:模拟起始点 :return: 模拟结果reward board.get_winner()会返回胜负关系和获胜子数 考虑胜负关系和获胜的子数，定义获胜积10分，每多赢一个棋子多1分 """ board = deepcopy(node.now_board) color = node.color count = 0 while (not self.game_over(board)) and count < 50: # 游戏没有结束，就模拟下棋 action_list = list(node.now_board.get_legal_actions(color)) if not len(action_list) == 0: # 可以下，就随机下棋 action = random.choice(action_list) board._move(action, color) if color == 'X': color = 'O' else: color = 'X' else: # 不能下，就交换选手 if color == 'X': color = 'O' else: color = 'X' action_list = list(node.now_board.get_legal_actions(color)) action = random.choice(action_list) board._move(action, color) if color == 'X': color = 'O' else: color = 'X' count = count + 1 # winner:0-黑棋赢，1-白旗赢，2-表示平局 # diff:赢家领先棋子数 winner, diff = board.get_winner() if winner == 2: reward = 0 elif winner == 0: # 这里逻辑是反的，写出了bug...应该是其他地方逻辑也反了一次，负负得正了...实在不想找bug了对不住 reward = 10 + diff else: reward = -(10 + diff) if self.color == 'X': reward = - reward return reward def backup(self, node, reward): """ 反向传播函数 """ while node is not None: node.visits += 1 if node.color == self.color: node.reward += reward else: node.reward -= reward node = node.parent return 0 def game_over(self, board): """ 判断游戏是否结束 :return: True/False 游戏结束/游戏没有结束 """ # 根据当前棋盘，双方都无处可落子，则终止 b_list = list(board.get_legal_actions('X')) w_list = list(board.get_legal_actions('O')) is_over = (len(b_list) == 0 and len(w_list) == 0) # 返回值 True/False return is_over def get_move(self, board): """ 根据当前棋盘状态获取最佳落子位置 :param board: 棋盘 :return: action 最佳落子位置, e.g. 'A1' """ if self.color == 'X': player_name = '黑棋' else: player_name = '白棋' print("请等一会，对方 {}-{} 正在思考中...".format(player_name, self.color)) root = Node(now_board=deepcopy(board), color=self.color) action = self.uct(self.max_times, root) return action# 黑棋初始化black_player = AIPlayer("X")# 白棋初始化white_player = AIPlayer("O")# 游戏初始化，第一个玩家是黑棋，第二个玩家是白棋game = Game(black_player, white_player)# 开始下棋game.run()效果图：
算法较为简陋，不过是完成作业罢了，还请大佬们指正。