Skip to content

Latest commit

 

History

History
147 lines (98 loc) · 5.43 KB

README.md

File metadata and controls

147 lines (98 loc) · 5.43 KB
Raw

程序设计与数据结构III 五子棋项目

负责人：邵方昊 杨宇骁

Codebase Credit: 张志成

Document Credit: 陈文迪 游灏溢

课程内容

  • 基于树搜索的棋类AI设计基本思想与相关算法
  • *基于强化学习和自我博弈的现代AI算法（以Alpha Zero为例）
  • Web前端开发与前后端交互技术

开发指南

环境

  • 请使用Unix环境开发（如WSL，MacOS）

  • 除了C++外还需要用到python编译相关，若没有python/pip环境请自行google并解决。请注意，必须使用python3.5版本及以上。

  • 完成本项目至少需要以下python包

    subprocess
timeout_decorator
numpy
sys
time
Flask

    你可以使用

    pip install -r requirements.txt

    来安装包依赖，如遇到安装包依赖相关的困难请及时提出。

API

请参照judge/sample.cpp的格式实现你的AI，其中：

  • init: 初始化函数，会在程序开始的时候被调用

  • action(loc): loc参数为对手采取的行动，需要返回你在这步落子的位置，注意： 如果是第3步，返回(-1,-1)表示交换颜色，返回坐标表示不选择换手，正常下棋

  • ai_side变量表示你的AI是哪一边，0黑1白，ai_name可以随便填写

AIController.h不需要修改，提交时也仅需要提交 yourcode.cpp

算法评测

  • 运行方式：编译你的AI，接着执行python judge.py ai0path/human ai1path/human，写在前面的表示先手，后面的表示后手，例如：python judge.py ./sample human
  • judge文件夹中含有一个棋力不弱的五子棋AI源码：baseline.cpp，你可以用g++编译生成二进制文件，用于测试AI的能力。
  • Tips： 你可以通过更改judge.py来输出更多信息

前后端交互

  • 请根据相关资料学习HTML语言+CSS语言打造一个可以交互的前端，学会简单的JavaScript语言实现命令处理。利用JavaScript的canvas功能搭建一个可展示的五子棋界面，可使用浏览器直接打开html文件预览效果。

  • 请自学Flask - python和AJAX - jQuery相关内容，参照demo中的例子完成后端算法的对接，并将其应用于你的网页上，实现前后端交互。

  • 运行方式：完成前后端交互代码后执行 python run.py，在命令行中你将看到类似于如下输出

    dantynomac@dantynoel demo % python run.py 
 * Serving Flask app 'run'
 * Debug mode: on
WARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead.
 * Running on http://127.0.0.1:5000
Press CTRL+C to quit
 * Restarting with stat
 * Debugger is active!
 * Debugger PIN: 144-469-127
 ...

    其中包含了一个url（这里是 http://127.0.0.1:5000 ），在浏览器中输入该网址即可。

  • 关于使用无图形界面的其他Ubuntu模拟器的同学，若浏览器无法访问，这里有两种办法：

    1. 下载并安装图形界面，在Ubuntu内用浏览器打开
    2. 自行配置网路分发端口，让宿主机能访问虚拟机

项目要求

  • AI单步推理时间限制：5s
  • 必做：实现Minimax搜索，alpha-beta剪枝，迭代加深搜索，性能优化（例如启发式搜索，Zobrist缓存，算杀），支持人机对战的前端以及前后端交互
  • 选做：蒙特卡洛树搜索，强化学习相关算法的探索，或是其他创新性的优化策略
  • 40% 算法实现（包括与baseline的对战以及小组内对抗赛）
  • 20% 前端展示
  • 40% Code Review&Report
gantt
    title 项目总体安排
    axisFormat %m/%d-%a
    section 五子棋AI
    AI算法基础  :active,2023-06-19, 20d
    CodeReview :crit,2023-07-05,2d
    CodeReview :crit,2023-07-10,2d
    强化学习/蒙特卡洛搜索bonus:2023-06-26,16d
    section 前端开发
    学习前端语言      :done, 2023-06-26, 4d
    前后端交互实现 :active,2023-06-26, 16d
    提交报告      :crit, 2023-07-05, 7d
    CodeReview  :crit, 2023-07-10, 2d
    路演				:crit, 2d
Loading

蓝色条带仅代表课程内建议的各项目完成时间节点，仅供参考。

红色竖线代表今日，请把握时间。

  • 请勿抄袭或共享五子棋AI算法的具体代码

  • 请在最终提交的五子棋算法中加入适量的随机算法，防止最终测试的时候胜率误差较大，可以参考开局库

  • 五子棋算法提交的截止日期为7.9 （第三周周末）23:59

  • 前端开发若有代码引用部分请注明出处，并标明自己完成了哪些内容

  • 完成一篇简短的报告，报告提交的截止日期为7.12（第四周周三）23:59，报告中须包含以下内容：

    1、应用的五子棋AI的算法以及优化

    2、本地运行与baseline对战的胜率

    3、前端界面展示以及所支持的所有操作

    4、完成前后端过程中遇到的问题以及所做的优化

可供学习的参考资料

算法

前端