作者 | Ahab
责编 | 仲培艺
人工智能大火的本日，如果还是自己玩俄罗斯方块难免不免显得太 LOW，为什么不对游戏升级，让机器自己去玩俄罗斯方块呢？有了这个想法之后，我用了两天韶光去搜集了大量资料，在电脑去世机好多次之后终于将 AI 俄罗斯方块实现了。
程序先容
所谓让机器自己去玩俄罗斯方块，便是让机器打算当前方块的所有形态可放置的所有位置，然后根据统一的评价标准，打算出最优的位置进行放置。这个评价的标准大略的来说便是：板块放置的位置越靠下越好，方块之间越紧密越好，自身对肃清行的方块贡献数量越多越好，但是这里还要把稳的是不可为了追求肃清行数，而去造成过多的空洞，这样也是不合理的。
关于 AI 算法紧张有两种：一种是经典的 Pierre Dellacherie 算法，一种基于基于深度搜索的算法。深度搜索须要优化的地方很多，如果打算的层数不足、没有高效剪枝，一欠妥心随意马虎写成人工智障，韶光繁芜度也不好。Pierre Dellacherie 算法更加清晰，繁芜度更低。但是该算法只考虑当前，不对未来的情形进行打算，看重的是“不去世性”，追求方块的“密集”，有时就算可以一次性肃清 3 行，却会使全局方块更加“疏”，即过多的空洞。
代码由 Tetris.py、AI.py 和 Utils.py 三部分组成，游戏的紧张逻辑由 Tetis 掌握，Utils 定义了方块的样式，AI 顾名思义实现了紧张的 AI 算法。
详细先容
Pierre Dellacherie 算法
只考虑当前方块，不对未来的情形进行打算，看重的是“不去世性”，算法每次天生一个方块，便穷举该方块所有旋转的落点。一种方块最多有 4 种旋转，并且由于游戏界面是 1020 的，以是对付每个旋转形状，只须要考虑 10 种落点。算法的核心是一个评估函数，对穷举出的每一种着落情形，打算 6 个参数值，用评估函数加权求和得到一个值，该值最大的情形便是目前方块的最优着落位置，六个参数分别是：
1. 着落高度（Landing Height）
当前方块落下去之后，方块中点距底部的方格数（事实上，不求中点也是可以的）。
2. 消行数（Rows eliminated）
消行层数与当前方块贡献出的方格数乘积。
3. 行变换（Row Transitions）
从左到右（或者反过来）检测一行，当该行中某个方格从有方块到无方块（或无方块到有方块），视为一次变换。游戏池边界算作有方块。行变换从一定程度上反响出一行的平整程度，越平整值越小；该指标为所有行的变换数之和；如图： 表示有方块，□ 表示空格（游戏池边界未画出）□□□□□□ 变换数为 6□□□□□□□□ 变换数为 9□□□□□□ 变换数为 2 变换数为 04. 列变换（Column Transitions）
大意同上，列变换从一定程度上反响出一列中空洞的集中程度，空洞越集中值越小。
5. 空洞数（Number of Holes）
6. 井的总和（Well Sums）
井指两边皆有方块的空列。该指标为所有井的深度连加到 1 再求总和。
把稳一列中可能有多个井，如图：
□□□ □ □ □ □
中间一列为井，深度连加到一的和为 (2+1)+(3+2+1)=9
评估函数如下 (首字母简写)：
关于方块形态
这里对 AI 俄罗斯方块的形态做一下特殊解释，各个方块都是根据中央点的坐标来天生的，以（0，0）为中央点，在 x、y 轴加减 1 则是其他方格的坐标，这样的好处便是只要确定中央点坐标，其他的方格位置就能随即天生。
看图就懂：
1# 每种块包含的四个小方块相对坐标分布 2 self.shapes_relative_coords = [ 3 [[0, 0], [0, 0], [0, 0], [0, 0]], 4 [[0, -1], [0, 0], [0, 1], [0, 2]], 5 [[0, -1], [0, 0], [0, 1], [1, 1]], 6 [[0, -1], [0, 0], [0, 1], [-1, 1]], 7 [[0, -1], [0, 0], [0, 1], [1, 0]], 8 [[0, 0], [0, -1], [1, 0], [1, -1]], 9 [[0, 0], [0, -1], [-1, 0], [1, -1]],10 [[0, 0], [0, -1], [1, 0], [-1, -1]]11 ]
基于深度搜索的方法暂不先容。
收成成果
以上，感兴趣的同学可通过网盘获取源代码：https://pan.baidu.com/s/1gC6sF62Pz5D6rh6eicOZUw，提取码: k17b。
作者简介："大众年夜众号【Ahab杂货铺】号主，在校学生沉迷于Python编程。