AlphaLineupPuzzle

该项目是Lineup Puzzle游戏的AI。 命名灵感来自于AlphaGo， 其目的是学习并掌握AlphaGo论文中提到的相关技术。

当前进展

• AlphaLineupPuzzle开发
• 棋盘
• 蒙特卡洛树搜索
• 快速走子
• 策略网络
• 联合策略网络和蒙特卡洛树搜索
• 值网络
• 强化学习
• AI界面

v0.1版本的性能

v0.1版本在单核心上运行了8天(11679分钟)，共完成248局游戏。以下是对这248局游戏存档的统计：

name	sum	mean	min	max
得分	-	155943	4500	922000
步数	133309	537	23	3142
候选	-	22.85	0	100

其中每消除一行得500分。

快速走子策略的性能

神经网络库用的是chainer。训练数据来自于v0.1的存档。

第一次尝试（v0.2）：

提取并旋转、镜面扩展了训练数据。 其中前10%用于测试，后90%用于训练。 其在测试集上的预测准确率为22.5%（纯蒙的话，准确率为4.38%），在训练集上的准确率为23.1%

第二次尝试（v0.3）：

python -m AlphaLineupPuzzle.preprocessing.game_converter v2 -e 1 -v -o data.h5f
python -m AlphaLineupPuzzle.training.training -i data.h5f -a 0.0005 -b 32 -n 5 -o v0.3 -v
python -m AlphaLineupPuzzle.ai -i v0.3 -c 248 | grep -E [0-9]+ | sum.sh

结论：

1. 与随机走子对比，训练结果是有效果的 。
2. 更简单的输入输出结构能得到更好的效果。

以下是仅使用快速走子策略的得分。其中随机走子作为对照组，它仅等概率地挑选合法走子。

执行批次	策略网络v0.2	策略网络 v0.3	随机走子
第一次	5540	11260	1274
第二次	5512	13247	1304
第三次	5318	11491	1236

其中每个批次都包含248局游戏，分值为这248局的平均得分。

截图

游戏界面如下：

AI运行时如下：