负责人：陈律达 胡锦波
Codebase Credit: 张志成
Document Credit: 陈文迪 游灏溢
- 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AlphaZero为例）
- Web前端开发与前后端交互技术
-
请使用Unix环境开发（如WSL，MacOS）
-
除了C++外还需要配置python环境。请注意，必须使用python3.7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。
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可以任意填写
AIController.h包含了程序主函数，不需要进行修改
- 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
-
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：
- 下载并安装图形界面，在Ubuntu内用浏览器打开
- 自行配置网路分发端口，让宿主机能访问虚拟机
- AI单步推理时间限制：5s
- 必做：实现基于minmax+alphabeta的五子棋AI，并进行性能优化（例如启发式搜索，算杀，Zobrist缓存，迭代加深搜索）；实现基于MCTS的五子棋AI；实现支持人机对战的前端以及前后端交互
- 选做：对基于MCTS的五子棋AI进行改进和优化；进行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,2023-06-24, 20d
强化学习/蒙特卡洛搜索bonus:2023-07-02,12d
section 前端开发
学习前端语言 :done, 2023-06-30, 4d
前后端交互实现 :active, 2023-07-02, 16d
提交报告 :crit, 2023-07-15, 3d
CodeReview :crit,2023-07-18,2d
路演 :crit, 2023-07-20, 2d
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7.14 （第三周周末）23:59
-
前端提交的截止日期为7.18 （第四周周三）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7.18（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
- 算法基础教程：lihongxun945/myblog#11
- MCTS：https://www.geeksforgeeks.org/ml-monte-carlo-tree-search-mcts/
- AlphaZero论文：https://www.science.org/doi/10.1126/science.aar6404
- W3Schools： https://www.w3school.com.cn/
- jQuery教程： https://www.runoob.com/jquery/jquery-tutorial.html