Python TensorFlow实现人工智能下黑白棋【优质毕业设计、课程设计项目】.zip

### 环境配置 - python == 3.6 - keras-gpu == 2.2.4 - tensorflow-gpu == 1.14.0 ### 主要文件说明 - src/config.py 参数配置文件，**其中 `project_root_path` 设置为项目路径，需更改** - src/coach.py 为强化学习 self-play 训练类 - src/referee.py 为指挥者，指挥两个 player 的交互 - src/web 为一个简单的客户端/服务端，有着更好的体验玩耍该游戏 - 服务端启动：`python -m src.web.server.web_ssl_server`，可能需更改 config.py 下的 web_ssl_cert_file、web_ssl_key_file 等参数 - 客户端启动：使用浏览器打开 `src/web/client/index.html` - src/main.py 为程序执行文件，可参照 main 下的说明执行相应的命令 - 查看帮助：`python -m src.main --help` - 训练模型：`python -m src.main train --simu 5 --lr 0.0001 --bs 128 --epochs 20 --use_multiprocessing`，具体参数可参看 src/config.py 中的说明 - 测试模型：`python -m src.main run --vs random_player rl_player` - tutorial/slide/im0qianqian.pdf 为毕设答辩时所用，毕业论文暂未上传 - data/best.h5 是提供的模型训练好的参数文件 ## To-Do ### Web #### client - [x] 游戏逻辑 - [x] AI (Minimax + Alpha–beta pruning) - [x] 交互接口 #### server - [x] 简易的 web 服务器，用来和客户端进行交互 ### Python - [x] Reversi 游戏逻辑，感谢 Eric P. Nichols 的实现，不过里面有点 bug 千千还是去仔细读懂并修复了QAQ，同时也支持了 Python3 - [x] 不同 AI 参与的指挥者 referee - [x] Player - [x] Human 手动操作 - [x] 基于随机策略的 AI - [x] Botzone 本地 AI 配置（可使用本地 AI 与平台进行对战） - [x] 基于贪心策略的 AI - 可贪心使得当前转换棋子数量最大 - 可贪心使得对方行动力最小 - [x] **基于深度强化学习的 AI（最重要）** - [x] MCTS - [x] Keras NNet - [x] 多进程 self-play - [x] TPU 支持（差一个谷歌云存储 QAQ） - [x] Botzone - [x] 本地 AI 配置 - [x] 可参与天梯对局的 AI