围棋博弈程序的实现与思考（8）——Zobrist哈希

最新推荐文章于 2023-12-20 23:23:30 发布
原创 最新推荐文章于 2023-12-20 23:23:30 发布 · 959 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#游戏

19、落子排序与免搜索博弈策略
mac99的博客
07-08 15
本文探讨了博弈中落子排序的重要性及其应用，包括免搜索博弈策略和复杂分析的初步步骤。重点介绍了基于历史表现、模式和预定义特征的三种主要落子排序方法，并结合围棋和国际象棋的具体案例，分析了这些方法的实际效果与未来发展方向。
第6-6课：游戏中的 Zobrist 哈希算法和置换表（图文篇）
oRbIt 的专栏
09-22 2550
复杂棋类游戏的搜索和估值通常比较耗时，为了提高棋类游戏的 AI，人们通常会使用置换表，置换表存储的是一些已知棋局的评估结果，当遇到相同的棋局时，查置换表比再搜索一遍要高效。既然要查表，就意味着需要对棋局进行比较，人们通常采用哈希算法将棋局映射为固定长度的哈希值，然后通过比较哈希值实现对棋局的比较。在各种哈希算法中，Zobrist 哈希算法简单实用，并且高效，在各种棋类游戏算法中得到了广泛的应...
Zobrist哈希，研究棋类博弈必须了解的一个小工具
HeavyIndustry的专栏
03-24 8660
在计算机博弈的研究中，经常需要使用到哈希表的技术。对于传统的Alpha-Beta剪枝来说，提高效率不可避免的需要用到置换表技术，也就是一种特殊的哈希表。即便是在蒙特卡罗方法洗刷了半个计算机博弈研究领域之后，其领先的UCT算法也常常需要用到哈希表来提高算法的效率。Zobrist就是一种非常有效的将局面映射为一个独特的哈希值的方法。对于任何一个不同的局面，其使用Zobrist所算出来的哈希值是完全不同的。
基于博弈树的开源五子棋AI教程及源码分享[2 Zobrist散列]
Broken Geeker
12-20 1090
Zobrist Hashing由阿尔伯特·Zobrist于1970年提出，是一种用于棋类游戏的哈希技术。它通过为棋盘上的每一个可能状态分配一个唯一的哈希值，来有效地识别和储存不同的游戏状态。
QT五子棋详解之九：置换表，zobrist哈希，生成32位和64位随机数
weixin_39788534的博客
03-13 6906
我们很容易明白，在alpha-beta剪枝算法中，会遇到重复的棋局。如下面的两个图的走法是一样的，不必要将两个局面的得分都计算一次。因此需要将棋盘的信息保存起来以备后续使用，这就是置换表。在棋类游戏中经常使用的就是zobrist哈希。zobrist哈希并不是一种最好的哈希算法，但是确实最高效的。有时候我们必须在最好与效率之间做出选择。zobrist是一个人的名字，源自他1970的年的一片论文试想一...
围棋代码c语言csdnwin,围棋博弈程序的实现与思考（6）——博弈树的构建 - 暗然而日章 - 博客频道 - youkuaiyun.com...
weixin_33933280的博客
05-20 507
为了实现UCT算法，需要在内存中构建一棵博弈树,http://www.win7xz.com/，博弈树的每个节点是博弈过程中的一个局面。一个显而易见的方法是――构建树形的数据结构，每个节点保存3类信息：1)该节点所代表的局面。2)局面信息(当前收益值与被尝试次数)。3)子节点的索引。出于以下两个考虑，我并没有用这个方法。1)尽可能地减少内存占用。2)细究之，围棋博弈过程中产生的拓扑结构并非树，而是图...
围棋博弈程序的实现与思考（6）——博弈树的构建
coolsooner
11-20 1123
为了实现UCT算法，需要在内存中构建一棵博弈树，博弈树的每个节点是博弈过程中的一个局面。 一个显而易见的方法是——构建树形的数据结构，每个节点保存3类信息：1）该节点所代表的局面。2）局面信息（当前收益值与被尝试次数）。3）子节点的索引。 出于以下两个考虑，我并没有用这个方法。 1）尽可能地减少内存占用。 2）细究之，围棋博弈过程中产生的拓扑结构并非...
人机博弈初探
Will0Huang的博客
04-19 4560
人机博弈 人机博弈，顾名思义，就是运用博弈论的知识，赋予计算机与人博弈的能力。 人机同台竞技，开头能想到算法自然是很多的。简单的有贪心算法，即数学建模一个评估游戏局面的函数，让计算机每一次做决策时，简单粗暴地选择当前最优的可行步骤。显而易见，对于五子棋、国际象棋等这类相对复杂的游戏，仅仅贪心算法是有心无力的，因为当前最优不代表全局最优，也就是说只考虑当前局面是有...
开源围棋A.I. FoolGo
weixin_30326515的博客
12-15 117
　　这几天把围棋A.I.最后的部分写好了，9路小棋盘上看上去运行得还不错，更名为FoolGo。先讲一下UCT博弈树的实现。 　　鉴于FoolGo的MC模拟速度和棋盘对象的大小，如果直接用树结构实现，用不了几分钟，我的MBP的4G内存就会被棋盘挤爆。所以要通过置换表实现博弈树。 　　哈希算法当然是zobrist哈希。如果哈希值的类型是uint32_t的话，不同棋局哈希冲突的概率就是1 / ~(u...
围棋博弈与算法研究大学本科毕业论文.doc
06-16
本文深入探讨了围棋博弈与算法研究，不仅回顾了围棋程序的发展历程，而且通过定式问题对象化、行棋步骤表、棋子影响模型和棋盘模型的建立，为围棋博弈策略的算法研究提供了系统化的理论和方法。研究者可以在这些理论...
大学毕业设计---围棋博弈与算法研究.doc
最新发布
06-17
论文中首先回顾了围棋的起源，并提及了A.Zobrist提出的最早围棋程序，以及Jon Ryder对该程序的研究。这为后续的算法开发奠定了基础。接着，论文探讨了定式问题，即将定式看作对象进行统一处理的方法，并展示了棋盘...
围棋博弈程序的实现与思考（3）——UCT算法
08-28 1146
我们已经知道UCB算法能够更快地找到靠谱的着手点，续上一篇的问，能不能再优化？         首先要知道的是，为什么UCB算法比盲目的蒙特卡罗局面评估收敛得更快？我的理解，是因为在算法执行的过程中，UCB算法能不断根据之前的结果调整策略，选择优先评估哪一个可下点。其实这是一种在线的机器学习策略。对于上一篇提到过的多臂匪徒问题，可以用UCB算法很好地解决。对于围棋博弈问题而言，UCB算法相比于朴
围棋博弈程序的实现与思考（1）——局面评估
08-14 1008
毕业也有两个月了，写这篇文章算是纪念我的毕设——围棋博弈程序的设计与实现。选了这个找抽的课题作为毕设，一度不知该如何实现，还好万能的微博让我得知了现代计算机围棋的核心算法——UCT算法。而蒙特卡罗局面评估算法是UCT算法的基础。本文作为本系列第一篇文章，先介绍蒙特卡罗局面评估算法。         计算机围棋博弈问题的一大难点在于难以设计简单有效的局面评估算法。传统的围棋程序主要采用影响函数等专
围棋博弈程序的实现与思考（5）——提子算法
11-05 889
提子算法的好坏对整个程序的性能影响是很大的。尽管在实际对局中，提子行为并不经常发生，但每次落子时计算机都得判断是否需要提子。根据围棋规则，可得提子算法的步骤，以黑棋落子为例： 1）依次判断与该落子点相邻的白子所在棋串（棋盘上实线相连的棋子集）的气，如为0，则提走棋串。 2）如果1）中不存在提子行为，则计算该落子点所在棋串的气是否为0，若不为0，则落子合法，若为0则不合法。 这只是个粗略的步骤
围棋博弈程序的实现与思考（4）——棋盘的数据结构
09-04 837
UCT算法算是介绍完了，以后主要讲实践。         由于在面向对象的编程语言中，本人只会C++和Objective-C（以后也许会写一些iOS开发相关的博文），出于性能的考虑，选择C++是必然的。记得当初开题答辩时，一老师问道，既然考虑性能，为什么不用C，而用C++？对于这种明知故问无厘头的问题，我只能回答：机器码性能更好。后来才知道陈志行老师的”手谈“是用汇编写的……
围棋博弈程序的实现与思考（2）——探索与利用
08-21 798
上一篇介绍了蒙特卡罗局面评估算法，怎样用这个算法实现围棋博弈程序呢？最容易想到的方法是，对于一个给定的局面，用蒙特卡罗局面评估算法来评估每一个可下点后的局面，由此选取最佳着手点。这是可行的，但有没有可以优化的地方呢？         假设你是CPU，你知道围棋规则，但不知道更高层次的围棋知识，只会模拟随机对局，面对茫茫棋盘，你将如何选择？你会逐个点模拟对局1万次，最后通过比较评估值大小来选择最优
用zobrist hashing和博弈树搜索算法实现C语言的围棋人机对弈
05-10
围棋是一种复杂的博弈，对于围棋人机对弈，通常采用博弈树搜索算法。而为了加快搜索速度，可以使用Zobrist Hashing技术来优化搜索。 具体实现步骤如下： 1. 定义棋盘状态 我们需要定义一个二维数组来表示棋盘。其中，空点用0表示，黑子用1表示，白子用2表示。 2. 定义Zobrist哈希表 我们需要定义一个Zobrist哈希表，用来存储每个棋盘状态的哈希值。在实现中，我们需要定义一个随机数数组，用来表示每个点的随机哈希值，然后通过异或运算将每个点的哈希值合并成整个棋盘状态的哈希值。 3. 实现博弈树搜索算法 我们需要实现一个博弈树搜索算法，来搜索最优的下棋位置。在实现中，我们可以采用极小极大算法来搜索最优解。具体实现步骤如下： - 对于当前棋盘状态，首先计算出当前哈希值，并查询Zobrist哈希表，如果已经存在该状态的哈希值，则直接返回对应的估值。 - 如果当前状态不在哈希表中，则遍历所有空点，逐个尝试落子，并递归搜索下一层棋盘状态。 - 在递归搜索下一层时，交换当前玩家，并更新哈希值。 - 在搜索完所有子状态后，根据当前玩家的颜色，返回最大或最小的估值，并将当前状态的哈希值和估值存入Zobrist哈希表中。 4. 实现下棋功能 当我们搜索出最优的下棋位置后，就可以将对应的棋子落在棋盘上，并更新棋盘状态和哈希值。 总结： 通过以上步骤，我们可以实现一个基于Zobrist哈希表和博弈树搜索算法的围棋人机对弈程序。该程序可以在较短时间内搜索出最优解，并且可以通过调整博弈树的深度来控制搜索速度和难度。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值