python - 机器学习用 Python 玩跳棋？

Question

我是机器学习初学者。我想通过教电脑玩跳棋来学习基础知识。其实我想学的游戏是霸气和妖术。我选择的语言是 Python

这些游戏很容易存储，规则也比国际象棋简单得多，但玩的人并不多。如果我能把这个想法付诸实践，那将非常适合尝试组合博弈论，看看是否有一台计算机并找到最佳移动。

我在 IBM 的一个人发现了1960 年代关于跳棋的这篇旧论文。最初我曾询问过神经网络，但他们说这是错误的工具。

编辑：机器学习可能不是正确的策略。在这种情况下，出了什么问题？什么是更好的方法？

Answer 1

You might want to take a look at the following: Chinook, Upper Confidence Trees, Reinforcement Learning, and Alpha-Beta pruning. I personally like to combine Alpha-Beta Pruning and Upper Confidence Trees (UCT) for perfect information games where each player has less than 10 reasonable moves. You can use Temporal Difference Learning to create a position evaluation function. Game AI is probably the most fun way to learn machine learning.

For links to all of these topics, click on

http://artent.net/blog/2012/09/26/checkers-and-machine-learning/

(I was not able to include more links because the stack overflow software considers me a newbie!)

Answer 2

获取 McGraw Hill 的《机器学习》一书并阅读第一章。它写得非常好，第一章将教你制作一个跳棋程序。就我个人而言，我在 miniclip.com 上制作了一个连续播放 5 个的程序，也在 python 中。

http://www.amazon.com/Learning-McGraw-Hill-International-Editions-Computer/dp/0071154671

Answer 3

在下跳棋时，您试图通过拿走对手的棋子并为自己的棋子加冕来获得优势。失去你的棋子并让你的对手加冕他或她的棋子是不可取的，所以你避免这样做。

棋盘游戏引擎通常围绕位置评估功能展开。对于跳棋，我的第一个猜测是这样的：

score =       number of allies         -     number of opponents
        + 3 * number of crowned allies - 3 * number of crowned opponents

给定一个棋盘，此函数将返回棋盘的分数。分数越高，你的位置就越好。分数越低，你的位置越差。

要制作一个幼稚的跳棋“引擎”，您需要做的就是在给定棋盘位置的情况下找到最佳移动，这只是搜索所有立即合法的移动并找到最大化您的分数的移动。

你的引擎不会提前考虑超过一步，但它会在某种程度上与你对抗。

下一步将使您的引擎能够提前计划，这实质上是预测对手的反应。要做到这一点，只需找到对手的最佳动作（这里是递归）并将其从您的分数中减去。