【正文】 的規(guī)則約束下，依靠自己圖 23 服務端監(jiān)聽圖 15 服務端監(jiān)聽所能夠掌握的信息，從各自選擇的行為或是策略進行選擇并加以實施，并從各自取得相應結(jié)果或收益的過程。馮諾伊曼（John von Neumann,19031957）和摩根斯坦恩（Oskar Margenstern, 19021977）在 1944 年出版了《博弈論與經(jīng)濟行為》（Theory of Games and Economic Behavior）一書中，最早地提出了關(guān)于博弈論的概念。但是，對于非合作、純競爭型博弈，諾伊曼所解決的只有二人零和博弈。在這里所抽象化后的博弈問題是，已知參與者集合(兩方)，策略集合(所有棋著)，和盈利集合(贏子輸子)，最終是想去找到一個理論上的解或平衡，也就是對參與雙方來說都最合理、最優(yōu)的具體策略。而在這里狹義的講，博弈論主要是研究棋手們落子中理性化、邏輯化的部分，并將其系統(tǒng)化為一門科學。換言之，博弈就是研究個體如何在錯綜復雜的相互影響中得出最合理的策略，博弈論正是衍生于古老的游戲或曰博弈如象棋、撲克等。數(shù)學家們將具體的問題抽象化，通過建立自完備的邏輯框架、體系研究其規(guī)律及變化。參考了很多五子棋算法，大部分思想差不多，就是搜索估值確定重要性，然后選取最大的一個點下子。具體做法如下：為電腦和玩家各建立一張表，用來存放棋型數(shù)據(jù)，比如“20”代表“沖四”的點，用“15”代表“活三”的點，那么在計算重要性時，就可以根據(jù) 2015得出前者比后者重要，下子時電腦便會自動選擇“沖四”的點，這里還要說明一點的事，還要考慮四個方向。因為有可能有復合棋型，比如“四三”..從第一步起，不管是哪一方下子，電腦都有以這點為中心搜索 9X9的矩陣內(nèi)的所有空白點上棋子的重要性，一顆棋子對棋型影響的大小有 9X9。重要看來雖然說進攻和防守的重要性一樣的，但是我認為防守更重要。在估值的時候，必須要考慮棋子的合法落子情況。不同的棋類博弈，其估值必定有極大的差別，各種因為規(guī)則而造成的不同因素影響估值的設計。不同的棋類游戲各有所謂的規(guī)則，規(guī)則中就有博弈雙方都可以走哪些著法。某些博弈游戲很容易就找到合理著法，我所實現(xiàn)的五子棋，它就具有很簡單的落子規(guī)則，即棋盤上所有的空位都可以落子，它們都是合理的著法。但是有些棋類游戲，比如在中國象棋和國際象棋中，情況就有些復雜了，每個棋子都有它特定的著法，電腦下子要考慮自己和玩家的棋型，優(yōu)先防守，如果沒有要防的棋型，則搜索自己的棋型下子。設置重要性,即估值模塊，下面只給出橫向的代碼private void setWeight(int x,int y,int tcolor){ int i=RectX1,j=RectY1,value=0,k=0,n=0,flag=0。 // 39。39。 方向 for(i=RectX1,j=y。i=RectX2。i++){ if([i][j]!=0){ continue。 } value=0。flag=0。 for(k=1。ik=RectX1 amp。amp。 k5。k++){ if([ik][j]==tcolor){ value++。 continue。 } if([ik][j]==0){//black space flag++。 break。 } } for(k=1。i+kRectX2 amp。amp。 k5。k++){ if([i+k][j]==tcolor){ value++。 } if([i+k][j]==0){ flag++。 break。 } } n=weight(value,flag)。 if(weightBoard[i][j]n){ weightBoard[i][j]=n。 } } } 設定相應空位的重要值以后，選取最大的值下子，代碼如下：private void getBiggest(int [][] arr,int x,int y){ int [] temp=new int[2]。 int swt=arr[0][0],tmp=0。 for(int i=0。i15。i++){ for(int j=0。j15。j++){ if(arr[i][j]swt){ temp[0]=i。temp[1]=j。 swt=arr[i][j]。 } } } x=temp[0]。 y=temp[1]。 arr[x][y]=0。 } 對于特定的棋型，都有一個不同的估值，以此來區(qū)別不同棋型的優(yōu)劣，也以此來決定最終的落子位置。毫無疑問，像已有四子連成一線且還可以繼續(xù)落子的情況，明顯要比只有三個子連成一線的情況要好，或者說優(yōu)先級要更高，對弈雙方對此種棋局，肯定都是把第一種情況放為首要分析的位置上。因此，要使棋手做出這種判斷，就要把第一種情況的估值設置得高。對不同的棋型設置重要值，比如：活四、死四、活三、死三、活二、死二。 同理，和判斷勝負一樣下子也要考慮邊界特殊情況，矩形設置如下： private void setRect(int x,int y){ if(x40) RectX1=x4。 else RectX1=0。 if(x+414) RectX2=14。 else RectX2=x+4。 if(y40) RectY1=y4。 else RectY1=0。 if(y+414) RectY2=14。 else RectY2=y+4。 if(RectX1RectY1) RectX1 = x(yRectY1)。 else RectY1 = y(xRectX1)。 if(RectX2RectY2) RectY2 = y+(RectX2x)。 else RectX2 = x+(RectY2y)。 } 努力提高電腦 AI一直是五子棋游戲關(guān)鍵，第一步的人工智能只是估值和搜索算法的集合，要真正的提高電腦 AI還有很多步，例如，我的電腦 AI只是片面的分析了雙方的器型，沒有前瞻性。如果玩家多想幾步，電腦就發(fā)現(xiàn)不了。不過即使沒采用遞歸算法，要是讓電腦先下子的話，你的大部分時間也是花在防守上，可能是我的棋力太菜了，我自己還沒有下贏過電腦。目前有 2種方法提高電腦棋力：一是遞歸算法，二是增加細致的特定棋形的判斷，鑒于自己對算法方面欠缺甚多，沒有辦法完成這個功能，實在是遺憾。我大體說一下這 2種算法的思路：遞歸算法的意思可以說成“今后幾步預測法”，首先讓電腦分析一個可能的點，如果在這兒下子將會形成對手不得不防守的棋型（例如：“沖四”、“活三”）；那么下一步對手就會照你的思路來防守你，如此一來便完成了第一步的預測。這時候在調(diào)用盤面分析模塊對預測后的棋型進行分析，如果出現(xiàn)了“四三”、“雙三”或“雙四”等制勝點，那么己方就可以獲勝了。否則照同樣的方法向下分析，就可以預測出多步。如果盤面上沒有對手必須防的棋型，進攻不成的話就得考慮防守了，將自己和對手調(diào)換一下位置，然后用上面的方法來預測對手的棋重要防守和攻擊都可以平衡，不過缺點是預測的算法量比較大。關(guān)于增加細致的特定棋形的判斷，前面已經(jīng)說過，以為不同的棋型，例如“死四”就有不同的幾種情況，如果對每一種設置不同的重要值，也可以提高電腦 AI,但是要設置合適的分數(shù)就要在實踐中檢驗了，因為這個不是大小的問題，而是相差多少。正如前面所說，增加對細致棋型的判斷也會提高電腦 AI，雖然沒有遞歸算法明顯，但的確是一種途徑，不過考慮的因素較多。關(guān)于電腦學習，這聽起來似乎是算法無法實現(xiàn)的功能。但是在對弈中卻是非常有用的，但還只是些理論上的東西，比如棋局結(jié)束后，反向搜索，在自己的棋庫中設置相關(guān)記憶。但我并不以為這是很好的方法。因為用這種方法，很有可能它沒有找準原因，又或者進行學習的時候反而把劣等的學習進去；并且這種學習是很片面的，它只會認準一種極相似的情況(或者說一模一樣的棋局情況)，而不會辨識出相似的棋局情況。結(jié) 論通過本次課題的研究，用 JAVA實現(xiàn)了五子棋人工智能和網(wǎng)絡游戲。知道了這個課題的關(guān)鍵是電腦 AI算法，在研究和編程其間，有了很多新的想法，同時對 JAVA套接字編程也有了更新的認識。對五子棋相關(guān)規(guī)則及技巧有了新的收獲，最重要的是自己動手解決問題的能力得到了提高。其中人工智能部分，由于采用了大量的搜索算法，其中很多被利用到各方面。它的概念、方法和技術(shù)，正在各行各業(yè)廣泛滲透。智能已經(jīng)成為當今各種新產(chǎn)品、新裝備的發(fā)展方向。隨著新的算法和理論的研究，人工智能必定會在人們生活中扮演重要的角色