zhuliquan / tictactoe_ai_vs_ai

minimax搜索和蒙特卡洛搜索树在tictactoe游戏上进行PK分析

项目说明

这是一个使用python实现的Minimax(alpha-beta)搜索和蒙特卡洛树搜索在tictactoe游戏上PK的项目, 这里主要是利用了我之前写的Minimax和 蒙特卡洛搜索树的例子

文件说明

项目中有四个文件

• game.py
• minimax.py
• mcts.py
• analyze_pk.py

---

这里面需要说明的是anaysis_pk.py, 这里面包含两种AI的博弈代码， 这里面我是进行了10次博弈模拟，蒙特卡洛树搜索自身每次下棋都是经过了 200次模拟，然后将结果以图像的形式展现

运行程序

如果你想运行程序查看博弈结果，你可以运行anaysis_pk.py这个文件。

python analyze_pk.py

运行结果

经过若干次的程序运行，发现了MiniMax搜索基本上处于不败的地位，而蒙特卡洛树搜索在一开始 由于搜索树还没有完全构建可能处于下风，但是之后也可以和MinimMax打平。所以总体来说 MiniMax是优于蒙特卡洛树搜索，但是MiniMax即使经过了Alpha-Beta剪枝，运行时间上还是 蒙特卡洛搜索树上占有，由于由节点维持数据，蒙特卡洛搜索树可以反复利用已经有的结果， 同时也更加耗时。下面是两个运行结果展示

图1是表示两者完全可以打平情况

图2是表示Minimax还有可能胜出的情况

运行条件

• python 3.6.5
• numpy 1.13.3
• pandas 0.22.0
• matplotlib 2.1.0