PythonGame倉庫
學了幾天Python，學了GUI庫、Pygame庫，又做一些遊戲了，有貪吃蛇🐍、滑雪❄️和AI對下五子棋🔲
快快快，點贊！好文必點！👍
GIthub倉庫：https://github.com/Github-Programer/PythonGame
🐶客官，點個贊？
⭐️如果覺得對您有幫助的話，點個 star ，再走？
🐱詳細解釋
首先，需要幾個庫，打開cmd，輸入如下命令（如果已經有了，那麼就不用了）
pip install pygame
安裝pygame，如果出錯，可以試試
pip3 install pygame
🐛1$貪吃蛇
我做了一個手動版本，和一個AI版本，AI就是自動尋徑原理，自動的，知道框滿了不會碰邊，但是由於算法不夠精良（BFS廣搜），所以蛇越長速度越慢……🐢
📆主要思路
⏳（1）蛇每走一步，就使用BFS計算遊戲界面中每個位置（蛇身除外）到達食物的最短路徑長；
⏳（2）將蛇的安全定義爲蛇是否可以跟着蛇尾運動，即蛇頭和蛇尾間是否存在路徑；
⏳（3）蛇每次行動前先利用虛擬的蛇進行探路，若虛擬的蛇吃完食物後是安全的，真蛇才行動；
⏳（4）若蛇和食物之間不存在路徑或者吃完食物後並不安全，就跟着蛇尾走；
⏳（5）若蛇和食物之間、蛇和蛇尾之間均不存在路徑，就隨便挑一步可行的來走；
（6）保證目標是食物時蛇走最短路徑，目標是蛇尾時蛇走最長路徑。
📆不足之處
由於食物是隨機出現的，若虛擬的蛇跑一遍發現去吃食物是不安全的，真蛇就不會去吃食物，而是選擇追着蛇尾跑，若一直如此，就陷入了死循環，蛇一直追着蛇尾跑跑跑。。。
直到你終止遊戲爲止。。。
倉庫中還有一個簡單版，Normal的，可以手動操作，但是一般走幾步就廢了，控制不住😓
⛄️2$滑雪小遊戲
📆TOOL
開發工具：Python版本：3.6.4
相關模塊：pygame模塊；以及一些Python自帶的模塊。
環境搭建：安裝Python並添加到環境變量，pip安裝需要的相關模塊即可。
📆遊戲規則：
玩家通過“AD”鍵或者“←→”操控前進中的滑雪者，努力避開路上的樹，儘量撿到路上的小旗。
如果碰到樹，則得分減50，如果撿到小旗子，則得分加10。
📆逐步實現：
⏳Step1：定義精靈類
由於遊戲涉及到碰撞檢測(滑雪者與樹和小旗之間的碰撞)，因此我們定義兩個精靈類，分別用於代表滑雪者和障礙物(即樹和小旗)：
其中，滑雪者在前進過程中應當擁有向左，向右偏移的能力，並且在偏移時滑雪者向前的速度應當減慢才更加合乎常理，這樣才能供玩家操作。同時，滑雪者應當擁有不同的姿態來表現自己滑行時的狀態：
直線：
左偏一點：
左偏很多：
右偏一點：
右偏很多：
另外，儘管滑雪者的左右移動通過移動滑雪者本身實現，但是滑雪者的向前移動是通過移動障礙物實現的。
⏳Step2：隨機創建障礙物
現在我們需要定義一個隨機創建障礙物的函數，以便在遊戲主循環中調用：
⏳Step3：遊戲主循環
首先我們初始化一些參數：
其中障礙物創建兩次的目的是便於畫面銜接。
然後我們就可以定義主循環了：
主循環的內容包括：
事件監聽、障礙物的更新、碰撞檢測以及分數的展示等內容，總之還是很容易實現的。
⏳Step4：其他
開始、結束界面這些，就靠大家自己發揮了，我就寫了一個簡單的開始界面：
🍟2$AI五子棋
比較愚蠢的AI五子棋。
T_T當然你好好和它下，它還是比較機智的。
讓我們愉快地開始吧~~~
📆原理簡介
對於五子棋這樣的博弈類AI，很自然的想法就是讓計算機把當前所有可能的情況都嘗試一遍，找到最優的落子點。這裏有兩個問題：
⏳（1）如何把所有可能的情況都嘗試一遍；
⏳（2）如何定量判斷某落子點的優劣。
對於第一個問題，其實就是所謂的博弈樹搜索，對於第二個問題，其實就是所謂的選擇評估函數。評估函數的選取直接決定了AI算法的優劣，其形式也千變萬化。可以說，每個評估函數就是一個選手，對不同的棋型每個選手自然有不同的看法和應對措施，當然他們的棋力也就因此各不相同了。
但博弈樹搜索就比較固定了，其核心思想無非是讓計算機考慮當前局勢下之後N步所有可能的情況，其中奇數步（因爲現在輪到AI下）要讓AI方的得分最大，偶數步要讓AI方的得分最小（因爲對手也就是人類，也可以選擇最優策略）。
當然這樣的搜索其計算量是極大的，這時候就需要剪枝來減少計算量。例如下圖：
其中A代表AI方，P代表人類方。AI方搜索最大值，人類方搜索最小值。因此Layer3的A1向下搜索的最終結果爲4，Layer3的A2向下搜索，先搜索Layer4的P3，獲得的分值爲6，考慮到Layer2的P1向下搜索時取Layer3的A1和A2中的較小值，而Layer3的A2搜索完Layer4的P3時，其值就已經必大於Layer3的A1了，就沒有搜索下去的必要了，因此Layer3到Layer4的路徑3就可以剪掉了。
上述搜索策略其實質就是：
minimax算法+alpha-beta剪枝算法。
瞭解了上述原理之後，就可以自己寫代碼實現了。當然實際實現過程中，我做了一些簡化，但萬變不離其宗，其核心思想都是一樣的。
具體實現過程詳見相關文件中的源代碼。
📆缺點
速度比較慢，棋子越多，反應越慢，所以說很愚蠢，下了30個的時候電腦燙的不行
📆使用演示
在cmd窗口運行GobangAI.py文件即可。
下面的視頻是我和AI的一局對弈，我執黑先行，所以贏的比較輕鬆T_T。畢竟五子棋先手者優勢巨大，或者說在某些情況/規則下是必勝的。至於原因，在相關文件中提供了兩篇論文，感興趣的可以看看。
