目录
前言
本文只是介绍五子棋AI的实现，最终的成品只是一个 AI 接口，并不包括 GUI，且不依赖 GUI。
怎么确定AI的最佳落子位置？
一般情况下，五子棋棋盘是由15条横线和15条纵线组合而成的，15x15 的棋盘共有 225 个交叉点，也就是说共有 225 个落子点。
假如说，AI 是黑棋，先行落子，所以 AI 总共有 225 个落子点可以选择，我们可以对每个落子点进行评估打分，哪个分高下哪里，这样我们就能确定最佳落子点了。
但这样又引出了一个新的问题：
怎么对落子点进行评估打分呢？
这就是本文的重点了，请看后文！
实现过程
抽象
注：部分基础代码依赖于 lombok，请自行引入，或手写基础代码。
落子位置实体类，这里我们定义棋子类型字段：type，1表示黑子，2表示白子。
/**
* 棋子点位
*
* @author anlingyi
* @date 2021/11/10
*/
@AllArgsConstructor
@NoArgsConstructor
@ToString
public class Point {
/**
* 横坐标
*/
int x;
/**
* 纵坐标
*/
int y;
/**
* 棋子类型 1.黑 2.白
*/
int type;
}
AI 对外提供的接口，不会依赖任何 GUI 代码，方便其他程序调用。
/**
* 五子棋AI接口
*
* @author anlingyi
* @date 2021/11/10
*/
public interface AIService {
/**
* 获取AI棋位
*
* @param chessData 已下棋子数据
* @param point 对手棋位
* @param started 是否刚开局
* @return
*/
Point getPoint(int[][] chessData, Point point, boolean started);
}
这个接口需要知道我们现在的棋盘落子数据 chessData，还有对手上一步的落子位置 point，started 参数表示是否是刚开局，后续可能对刚开局情况做单独的处理。
实现AI接口
我们创建一个类 ZhiZhangAIService，这个类实现 AIService 接口，来写我们的实现逻辑。
/**
*
* 五子棋AI实现
*
* @author anlingyi
* @date 2021/11/10
*/
public class ZhiZhangAIService implements AIService {
/**
* 已下棋子数据
*/
private int[][] chessData;
/**
* 棋盘行数
*/
private int rows;
/**
* 棋盘列数
*/
private int cols;
/**
* AI棋子类型
*/
private int ai;
/**
* 声明一个最大值
*/
private static final int INFINITY = 999999999;
@Override
public Point getPoint(int[][] chessData, Point point, boolean started) {
// 初始化棋盘数据
initChessData(chessData);
// 计算AI的棋子类型
this.ai = 3 - point.type;
if (started) {
// AI先下，首子天元
int centerX = this.cols / 2;
int centerY = this.rows / 2;
return new Point(centerX, centerY, this.ai);
}
// 获取最佳下棋点位
return getBestPoint();
}
/**
* 初始化棋盘数据
*
* @param chessData 当前棋盘数据
*/
private void initChessData(int[][] chessData) {
// 获取棋盘行数
this.rows = chessData.length;
// 获取棋盘列数
this.cols = chessData[0].length;
// 初始化棋盘数据
this.chessData = new int[this.cols][this.rows];
// 深拷贝
for (int i = 0; i < cols; i++) {
for (int j = 0; j < rows; j++) {
this.chessData[i][j] = chessData[i][j];
}
}
}
/**
* 获取最佳下棋点位
*
* @return
*/
private Point getBestPoint() {
Point best = null;
// 初始分值为最小
int score = -INFINITY;
/* 遍历所有能下棋的点位，评估各个点位的分值，选择分值最大的点位 */
for (int i = 0; i < this.cols; i++) {
for (int j = 0; j < this.rows; j++) {
if (this.chessData[i][j] != 0) {
// 该点已有棋子，跳过
continue;
}
Point p = new Point(i, j, this.ai);
// 评估该点AI得分
int val = evaluate(p);
// 选择得分最高的点位
if (val > score) {
// 最高分被刷新
score = val;
// 更新最佳点位
best = p;
}
}
}
return best;
}
/**
* 对当前棋位进行评估
*
* @param point 当前棋位
* @return
*/
private int evaluate(Point point) {
// 核心
}
}
首先看 getPoint 方法，这个是 AI 的出入口方法，我们要对传入的棋盘数据做一个初始化，调用 initChessData 方法，计算出当前游戏的棋盘行数、列数，并且拷贝了一份棋子数据到本地（深拷贝还是浅拷贝视情况而定）。
this.ai = 3 - point.type;
这行代码可以计算出AI是执黑子还是执白子，应该很好理解。
if (started) {
// AI先下，首子天元
int centerX = this.cols / 2;
int centerY = this.rows / 2;
return new Point(centerX, centerY, this.ai);
}
这段代码是处理刚开局时 AI 先行落子的情况，我们这边是简单的将落子点确定为棋盘中心位置（天元）。开局情况的落子我们可以自己定义，并不是固定的，只是说天元的位置比较好而已。
private Point getBestPoint() {
Point best = null;
// 初始分值为最小
int score = -INFINITY;
/* 遍历所有能下棋的点位，评估各个点位的分值，选择分值最大的点位 */
for (int i = 0; i < this.cols; i++) {
for (int j = 0; j < this.rows; j++) {
if (this.chessData[i][j] != 0) {
// 该点已有棋子，跳过
continue;
}
Point p = new Point(i, j, this.ai);
// 评估该点AI得分
int val = evaluate(p);
// 选择得分最高的点位
if (val > score) {
// 最高分被刷新
score = val;
// 更新最佳点位
best = p;
}
}
}
return best;
}
然后就到了我们最主要的方法了 getBestPoint，这个方法用于选择出 AI 的最佳落子位置。这个方法的思路就是遍历棋盘上所有能下棋的点，然后对这个点进行评分，如果这个点的评分比之前点的评分高，就更新当前最佳落子点位，并更新最高分，所有的落子点都评估完成之后，我们就能确定最好的点位在哪了。
/**
* 对当前棋位进行评估
*
* @param point 当前棋位
* @return
*/
private int evaluate(Point point) {
// 核心
}
最后就是评估函数的实现了。
评估函数
在写评估函数之前，我们要先了解一下五子棋的几种棋型。(还不熟的朋友，五子棋入门了解一下：和那威学五子棋)
在这里，我把五子棋棋型大致分为：连五、活四、冲四、活三、眠三、活二、眠二、眠一 等共8种棋型。
0:空位 1:黑子 2:白子
连五：11111
活四：011110
冲四：21111
活三：001110
眠三：211100
活二：001100
眠二：001120
眠一：001200
冲四、活三 如果形成，赢的可能性很大，活四 如果形成，棋局胜负基本确定，连五 形成就已经赢了。所以说，如果 AI 落的点能够形成这几种胜率很高的棋型的话，我们要给这个点评一个高分，这样对 AI 最有利。
我这边定义好了各个棋型的分数情况
| 棋型 | 分数 |
|---|---|
| 连五 | 10000000 |
| 活四 | 1000000 |
| 活三 | 10000 |
| 冲四 | 8000 |
| 眠三 | 1000 |
| 活二 | 800 |
| 眠二 | 50 |
| 眠一 | 10 |
评估模型的抽象
我们创建一个枚举内部类，然后定义这几种棋型和它的分数。
@AllArgsConstructor
private enum ChessModel {
/**
* 连五
*/
LIANWU(10000000, new String[]{\"11111\"}),
/**
* 活四
*/
HUOSI(1000000, new String[]{\"011110\"}),
/**
* 活三
*/
HUOSAN(10000, new String[]{\"001110\", \"011100\", \"010110\", \"011010\"}),
/**
* 冲四
*/
CHONGSI(8000, new String[]{\"11110\", \"01111\", \"10111\", \"11011\", \"11101\"}),
/**
* 眠三
*/
MIANSAN(1000, new String[]{\"001112\", \"010112\", \"011012\", \"211100\", \"211010\"}),
/**
* 活二
*/
HUOER(800, new String[]{\"001100\", \"011000\", \"000110\"}),
/**
* 眠二
*/
MIANER(50, new String[]{\"011200\", \"001120\", \"002110\", \"021100\", \"001010\", \"010100\"}),
/**
* 眠一
*/
MIANYI(10, new String[]{\"001200\", \"002100\", \"020100\", \"000210\", \"000120\"});
/**
* 分数
*/
int score;
/**
* 局势数组
*/
String[] values;
}
为了评估方便，我们可以把所有定义好的棋型以及棋型对应的分数存入 Hash 表。
创建一个 LinkedHashMap 类型的类变量 SCORE，然后在静态代码块内进行初始化。
/**
* 棋型分数表
*/
private static final Map<String, Integer> SCORE = new LinkedHashMap<>();
static {
// 初始化棋型分数表
for (ChessModel chessScore : ChessModel.values()) {
for (String value : chessScore.values) {
SCORE.put(value, chessScore.score);
}
}
}
判断落子点位的棋型
棋型和分数都定义好了，现在我们要知道一个点位它的棋型的情况，这样才能评估这个点位的分数。
我们以落子点位为中心，分横、纵、左斜、右斜等4个大方向，分别取出各方向的9个点位的棋子，每个方向的9个棋子都组合成一个字符串，然后匹配现有的棋型数据，累积分值，这样就计算出了这个点位的分数了。
以上图为例，对横、纵、左斜、右斜做如上操作，可以得出：
横：000111000 -> 活三 +10000
纵：000210000 -> 眠一 +10
左斜：000210000 -> 眠一 +10
右斜：000010000 -> 未匹配到棋型 +0
所以这个点位总得分为：
10000 + 10 + 10 + 0 = 10020
代码实现：
/**
* 获取局势分数
*
* @param situation 局势
* @return
*/
private int getScore(String situation) {
for (String key : SCORE.keySet()) {
if (situation.contains(key)) {
return SCORE.get(key);
}
}
return 0;
}
/**
* 获取棋位局势
*
* @param point 当前棋位
* @param direction 大方向 1.横 2.纵 3.左斜 4.右斜
* @return
*/
private String getSituation(Point point, int direction) {
// 下面用到了relativePoint函数，根据传入的四个大方向做转换
direction = direction * 2 - 1;
// 以下是将各个方向的棋子拼接成字符串返回
StringBuilder sb = new StringBuilder();
appendChess(sb, point, direction, 4);
appendChess(sb, point, direction, 3);
appendChess(sb, point, direction, 2);
appendChess(sb, point, direction, 1);
sb.append(1); // 当前棋子统一标记为1(黑)
appendChess(sb, point, direction + 1, 1);
appendChess(sb, point, direction + 1, 2);
appendChess(sb, point, direction + 1, 3);
appendChess(sb, point, direction + 1, 4);
return sb.toString();
}
/**
* 拼接各个方向的棋子
* <p>
* 由于现有评估模型是对黑棋进行评估
* 所以，为了方便对局势进行评估，如果当前是白棋方，需要将扫描到的白棋转换为黑棋，黑棋转换为白棋
* 如：point(x=0,y=0,type=2) 即当前为白棋方
* 扫描到的某个方向局势为：20212 -> 转换后 -> 10121
*
* @param sb 字符串容器
* @param point 当前棋子
* @param direction 方向 1.左横 2.右横 3.上纵 4.下纵 5.左斜上 6.左斜下 7.右斜上 8.右斜下
* @param offset 偏移量
*/
private void appendChess(StringBuilder sb, Point point, int direction, int offset) {
int chess = relativePoint(point, direction, offset);
if (chess > -1) {
if (point.type == 2) {
// 对白棋进行转换
if (chess > 0) {
// 对棋子颜色进行转换，2->1，1->2
chess = 3 - chess;
}
}
sb.append(chess);
}
}
/**
* 获取相对点位棋子
*
* @param point 当前棋位
* @param direction 方向 1.左横 2.右横 3.上纵 4.下纵 5.左斜上 6.左斜下 7.右斜上 8.右斜下
* @param offset 偏移量
* @return -1:越界 0:空位 1:黑棋 2:白棋
*/
private int relativePoint(Point point, int direction, int offset) {
int x = point.x, y = point.y;
switch (direction) {
case 1:
x -= offset;
break;
case 2:
x += offset;
break;
case 3:
y -= offset;
break;
case 4:
y += offset;
break;
case 5:
x += offset;
y -= offset;
break;
case 6:
x -= offset;
y += offset;
break;
case 7:
x -= offset;
y -= offset;
break;
case 8:
x += offset;
y += offset;
break;
}
if (x < 0 || y < 0 || x >= this.cols || y >= this.rows) {
// 越界
return -1;
}
// 返回该位置的棋子
return this.chessData[x][y];
}
评估函数的实现
到这一步，我们已经能知道某个落子点位的各个方向的局势，又能通过局势获取到对应的分值，这样一来，评估函数就很好写了，评估函数要做的就是累积4个方向的分值，然后返回就行。
/**
* 对当前棋位进行评估
*
* @param point 当前棋位
* @return
*/
private int evaluate(Point point) {
// 分值
int score = 0;
for (int i = 1; i < 5; i++) {
// 获取该方向的局势
String situation = getSituation(point, i);
// 下此步的得分
score += getScore(situation);
}
return score;
}
现在，已经可以将我们写的 AI 接入GUI 程序做测试了。如果还没有 GUI，也可以自己写个测试方法，只要按照方法的入参信息传入就行，方法输出的就是 AI 下一步的落子位置。
/**
* 获取AI棋位
*
* @param chessData 已下棋子数据
* @param point 对手棋位
* @param started 是否刚开局
* @return
*/
Point getPoint(int[][] chessData, Point point, boolean started);
测试了一下，现在的 AI 只知道进攻，不知道防守，所以我们需要对 getBestPoint 方法进行优化。之前只对 AI 落子进行了评估，现在我们也要对敌方落子进行评估，然后累积分值，这样可以提高 AI 的防守力度。
private Point getBestPoint() {
Point best = null;
// 初始分值为最小
int score = -INFINITY;
/* 遍历所有能下棋的点位，评估各个点位的分值，选择分值最大的点位 */
for (int i = 0; i < this.cols; i++) {
for (int j = 0; j < this.rows; j++) {
if (this.chessData[i][j] != 0) {
// 该点已有棋子，跳过
continue;
}
Point p = new Point(i, j, this.ai);
// 该点得分 = AI落子得分 + 对手落子得分
int val = evaluate(p) + evaluate(new Point(i, j, 3 - this.ai));
// 选择得分最高的点位
if (val > score) {
// 最高分被刷新
score = val;
// 更新最佳点位
best = p;
}
}
}
return best;
}
只有这行代码进行了改动，现在加上了对手落子到该点的得分。
// 该点得分 = AI落子得分 + 对手落子得分 int val = evaluate(p) + evaluate(new Point(i, j, 3 - this.ai));
再次测试，现在 AI 棋力还是太一般，防守能力是提高了，但还是输给了我这个“臭棋篓子”。
有一些局势的评分需要提高，例如：
- 活三又活二
- 冲四又活二
- 两个或两个以上的活三
- 冲四又活三
上面这些情况都得加一些分数，如果分数太普通，AI 棋力就会很普通甚至更弱，可以说目前的 AI 只能算是一个刚入门五子棋的新手。
我这边对这些情况的处理是这样的：
- 活三又活二：总分x2
- 冲四又活二：总分x4
- 两个或两个以上的活三：总分x6
- 冲四又活三：总分x8
新增一个方法，用于判断当前局势是属于什么棋型
/**
* 检查当前局势是否处于某个局势
*
* @param situation 当前局势
* @param chessModel 检查的局势
* @return
*/
private boolean checkSituation(String situation, ChessModel chessModel) {
for (String value : chessModel.values) {
if (situation.contains(value)) {
return true;
}
}
return false;
}
修改评估方法 evaluate，对各种棋型做一个统计，最后按照我上面给出的处理规则进行加分处理。
/**
* 对当前棋位进行评估
*
* @param point 当前棋位
* @return
*/
private int evaluate(Point point) {
// 分值
int score = 0;
// 活三数
int huosanTotal = 0;
// 冲四数
int chongsiTotal = 0;
// 活二数
int huoerTotal = 0;
for (int i = 1; i < 5; i++) {
String situation = getSituation(point, i);
if (checkSituation(situation, ChessModel.HUOSAN)) {
// 活三+1
huosanTotal++;
} else if (checkSituation(situation, ChessModel.CHONGSI)) {
// 冲四+1
chongsiTotal++;
} else if (checkSituation(situation, ChessModel.HUOER)) {
// 活二+1
huoerTotal++;
}
// 下此步的得分
score += getScore(situation);
}
if (huosanTotal > 0 && huoerTotal > 0) {
// 活三又活二
score *= 2;
}
if (chongsiTotal > 0 && huoerTotal > 0) {
// 冲四又活二
score *= 4;
}
if (huosanTotal > 1) {
// 活三数大于1
score *= 6;
}
if (chongsiTotal > 0 && huosanTotal > 0) {
// 冲四又活三
score *= 8;
}
return score;
}
再次进行测试，AI 棋力已经可以打败我这个菜鸡了，但由于我棋艺不精，打败我不具代表性。
在网上找了一个大佬写的五子棋 AI （gobang.light7.cn/#/）, 我用我写的 AI 去和大佬的 AI 下棋，我的 AI 执黑，只能打败大佬的萌新级别执白的 AI。
AI 执黑的情况，赢
AI 执白的情况，输
由于目前的 AI 只能思考一步棋，所以棋力不强，对方稍微套路一下可能就输了，后续还有很大的优化空间。
以上就是Java实现AI五子棋游戏的示例代码的详细内容，更多关于Java AI五子棋的资料请关注其它相关文章！
做猪小侠源码的代理，提供一站式服务
如果你不懂得搭建网站或者服务器，小程序，源码之类的怎么办？ 第一通过本站学习各种互联网的技术 第二就是联系客服，我帮帮你搭建（当然要收取部分的费用） 第三成为我们的代理，我们提供整套的服务。