如何讓AI教機器自己玩俄羅斯方塊？

作者 |Ahab

人工智慧大火的今天，如果還是自己玩俄羅斯方塊未免顯得太 LOW，為什麼不對遊戲升級，讓機器自己去玩俄羅斯方塊呢？有了這個想法之後，我用了兩天時間去搜集了大量資料，在電腦死機好多次之後終於將 AI 俄羅斯方塊實現了。

程序介紹

所謂讓機器自己去玩俄羅斯方塊，就是讓機器計算當前方塊的所有形態可放置的所有位置，然後根據統一的評價標準，計算出最優的位置進行放置。這個評價的標準簡單的來說就是：板塊放置的位置越靠下越好，方塊之間越緊密越好，自身對消除行的方塊貢獻數量越多越好，但是這裡還要注意的是不可為了追求消除行數，而去造成過多的空洞，這樣也是不合理的。

關於 AI 演算法主要有兩種：一種是經典的 Pierre Dellacherie 演算法，一種基於基於深度搜索的演算法。深度搜索需要優化的地方很多，假如計算的層數不夠、沒有高效剪枝，一不小心容易寫成人工智障，時間複雜度也不好。Pierre Dellacherie 演算法更加清晰，複雜度更低。但是該演算法只考慮當前，不對未來的情況進行計算，注重的是「不死性」，追求方塊的「密集」，有時就算可以一次性消除 3 行，卻會使全局方塊更加「疏」，即過多的空洞。

代碼由Tetris.py、AI.py和Utils.py三部分組成，遊戲的主要邏輯由 Tetis 控制，Utils 定義了方塊的樣式，AI 顧名思義實現了主要的 AI 演算法。

具體介紹

Pierre Dellacherie 演算法

只考慮當前方塊，不對未來的情況進行計算，注重的是「不死性」，演算法每次生成一個方塊，便窮舉該方塊所有旋轉的落點。一種方塊最多有 4 種旋轉，並且由於遊戲界面是 10*20 的，所以對於每個旋轉形狀，只需要考慮 10 種落點。演算法的核心是一個評估函數，對窮舉出的每一種下落情況，計算 6 個參數值，用評估函數加權求和得到一個值，該值最大的情況便是目前方塊的最優下落位置，六個參數分別是：

1. 下落高度（Landing Height）

當前方塊落下去之後，方塊中點距底部的方格數（事實上，不求中點也是可以的）。

2. 消行數（Rows eliminated）

消行層數與當前方塊貢獻出的方格數乘積。

3. 行變換（Row Transitions）

從左到右（或者反過來）檢測一行，當該行中某個方格從有方塊到無方塊（或無方塊到有方塊），視為一次變換。遊戲池邊界算作有方塊。行變換從一定程度上反映出一行的平整程度，越平整值越小；

該指標為所有行的變換數之和；

如圖： 表示有方塊， 表示空格（遊戲池邊界未畫出）

變換數為 6

變換數為 9

變換數為 2

變換數為 0

4. 列變換（Column Transitions）

大意同上，列變換從一定程度上反映出一列中空洞的集中程度，空洞越集中值越小。

5. 空洞數（Number of Holes）

6. 井的總和（Well Sums）

井指兩邊皆有方塊的空列。該指標為所有井的深度連加到 1 再求總和。

注意一列中可能有多個井，如圖：

中間一列為井，深度連加到一的和為 (2 1) (3 2 1)=9

評估函數如下 (首字母簡寫)：

關於方塊形態

這裡對 AI 俄羅斯方塊的形態做一下特別說明，各個方塊都是根據中心點的坐標來生成的，以（0，0）為中心點，在 x、y 軸加減 1 則是其他方格的坐標，這樣的好處就是只要確定中心點坐標，其他的方格位置就能隨即生成。

看圖就懂：

1# 每種塊包含的四個小方塊相對坐標分布

2self.shapes_relative_coords = [

3[[,], [,], [,], [,]],

4[[,-1], [,], [,1], [,2]],

5[[,-1], [,], [,1], [1,1]],

6[[,-1], [,], [,1], [-1,1]],

7[[,-1], [,], [,1], [1,]],

8[[,], [,-1], [1,], [1,-1]],

9[[,], [,-1], [-1,], [1,-1]],

10[[,], [,-1], [1,], [-1,-1]]

11]

基於深度搜索的方法暫不介紹。

收穫成果

以上，感興趣的同學可通過網盤獲取源代碼：https://pan.baidu.com/s/1gC6sF62Pz5D6rh6eicOZUw，提取碼: k17b。

（本文為AI科技大本營轉載文章，轉載請聯繫原作者）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！