再探游戏《 2048 》 —— AI方法—— 缘起、缘灭（3） —— 游戏AI解法设计篇

接前文：

再探游戏《 2048 》 —— AI方法—— 缘起、缘灭（2） —— 游戏环境设计篇 - Hello_BeautifulWorld - 博客园 (cnblogs.com)

=========================================

在前文中主要是大致介绍了 https://gitee.com/devilmaycry812839668/highest_vote_2048_ai 中游戏环境部分的内容，其实游戏环境的实现只介绍了很小一部分，原本打算多说一些，不过后来发现意义价值不大，对于有兴趣研究这个游戏的实现逻辑的人知道这个游戏是用64bit的整数来表示一个游戏状态中16个数字并且每个数字是用半字节4bit来进行表示的就已经足够了，其他剩下的就是如何对这个64bit的整数进行移位操作了，如：transpose函数就是把这个64bit的整数按照游戏状态装置的方式变化为另一个游戏状态的64bit整数，move_0, move_1, move_2, move_3, 则是表示对这个64bit的整数进行上下左右移动操作后变化得到的新状态所表示的64bit整数；而对于那些对这个游戏实现逻辑没有兴趣的人来说自然是没有必要多说这个environment的实现细节了；对于我来说这个游戏实现细节确实不好理解但是要完整的说清楚又显得十分的琐碎和费事，于是也就作罢了。

其实这个系列主要的重点不是说这个游戏的实现，而是如何用AI方式来解决这个游戏。

现在很多人一听说AI就知道深度学习，Deep Learning，机器学习之类的，但是AI这个概念其实是一个比较宽泛的，所包容的内容也是很多的，在某种程度上说方式可以仿造人类去实现某个操作，或是具有人类某项功能的部分能力的方法都可以叫做AI方法，而现在的机器学习方法是AI方法中最为流行的方法，对于当前的CV，NLP等领域有很好的解决能力的一种方法，但这绝不是唯一，在这个《2048》游戏中所使用的方法就是AI方法中的启发式方法，启发式方法这个名字也是十分的唬人，其实启发式算法就是按照一定的规则条件来进行运算的算法，大致形式就是：

IF CONDITION:

DO SOMETHING；

ELSE:

DO ANOTHER SOMETHING;

ENDIF;

个人一般把启发式算法看做是根据预定规则（条件）设计好的算法。

启发式算法是听起来很高大上，实际一看又感觉很平民，那么他实际上的原理在哪呢？因为我们希望利用计算机程序来模仿实现人类的某项能力，说到底就是设计一个具备人类某项能力的算法代码，其中最为直接的方法就是把人类处理某个问题所采用的方法（策略）用条件规则写出来，那么我们编写计算机算法时只要按照这个预设的条件规则来进行设计就可以了。

启发式算法:

人类策略 ===》 计算机可识别的条件规则

那么在这个《2048》游戏中这个启发算法时如何设计的呢？

具体的实现代码：

cpp_source/2048_algorithm.cpp · 鬼＆泣/2048-ai - 码云 - 开源中国 (gitee.com)

实现的启发式算法核心代码：

static float heur_score_table[65536];


// Heuristic scoring settings
static const float SCORE_LOST_PENALTY = 200000.0f;
static const float SCORE_MONOTONICITY_POWER = 4.0f;
static const float SCORE_MONOTONICITY_WEIGHT = 47.0f;
static const float SCORE_SUM_POWER = 3.5f;
static const float SCORE_SUM_WEIGHT = 11.0f;
static const float SCORE_MERGES_WEIGHT = 700.0f;
static const float SCORE_EMPTY_WEIGHT = 270.0f;


void init_score_table() 
{
    for (unsigned row = 0; row < 65536; ++row) 
    {
        unsigned line[4] = {
                (row >>  0) & 0xf,
                (row >>  4) & 0xf,
                (row >>  8) & 0xf,
                (row >> 12) & 0xf
        };

        // Heuristic score
        float sum = 0;
        int empty = 0;
        int merges = 0;

        int prev = 0;
        int counter = 0;
        for (int i = 0; i < 4; ++i) 
        {
            int rank = line[i];
            sum += pow(rank, SCORE_SUM_POWER);

            if (rank == 0) 
            {
                empty++;
            } 
            else
            {
                if (prev == rank) 
                {
                    counter++;
                } 
                else if (counter > 0) 
                {
                    merges += 1 + counter;
                    counter = 0;
                }
                prev = rank;
            }
        }

        if (counter > 0) {
            merges += 1 + counter;
        }

        float monotonicity_left = 0;
        float monotonicity_right = 0;
        for (int i = 1; i < 4; ++i) {
            if (line[i-1] > line[i]) {
                monotonicity_left += pow(line[i-1], SCORE_MONOTONICITY_POWER) - pow(line[i], SCORE_MONOTONICITY_POWER);
            } else {
                monotonicity_right += pow(line[i], SCORE_MONOTONICITY_POWER) - pow(line[i-1], SCORE_MONOTONICITY_POWER);
            }
        }

        heur_score_table[row] = SCORE_LOST_PENALTY +
            SCORE_EMPTY_WEIGHT * empty +
            SCORE_MERGES_WEIGHT * merges -
            SCORE_MONOTONICITY_WEIGHT * std::min(monotonicity_left, monotonicity_right) -
            SCORE_SUM_WEIGHT * sum;
    }
}