AlphaZero算法实现游戏AI

著名的围棋人工智能AlphaGo有多个版本。其中AlphaGo Zero纯靠增强学习算法击败了AlphaGo所有其它版本，其由论文Mastering the game of Go without human knowledge介绍。后来将这种纯增强学习算法推广，论文Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm提出的AlphaZero的概念，任何类似的博弈游戏都可以使用AlphaZero算法实现其人工智能。

我使用Python，实现了一个简单的AlphaZero框架，包括如下内容：

1.抽象的游戏规则：定义了一套游戏规则接口。

2.抽象的模型类：定义了模型的接口，包括神经网络的定义，保存读取，训练方法等。

3.蒙特卡洛树：实现了一个蒙特卡洛树及其搜索算法。

4.训练类：对AlphaZero增强学习算法过程的实现，其程序流程如图所示。

5.工具类：模型的打包，训练过程作图等方法。

我使用这个AlphaZero框架实现了五子棋AI，四子棋AI，翻转棋AI。并使用Unity实现了人和这些AI对战的小游戏，效果如下：

    

    

源代码及相应的介绍论文在此：https://github.com/SSSxCCC/AlphaZero-In-Unity