人工智能大火的今天，如果還是自己玩俄羅斯方塊未免顯得太 LOW，為什么不對游戲升級，讓機器自己去玩俄羅斯方塊呢？有了這個想法之后，我用了兩天時間去搜集了大量資料，在電腦死機好多次之后終于將 AI 俄羅斯方塊實現了。

程序介紹

所謂讓機器自己去玩俄羅斯方塊，就是讓機器計算當前方塊的所有形態可放置的所有位置，然后根據統一的評價標準，計算出最優的位置進行放置。這個評價的標準簡單的來說就是：板塊放置的位置越靠下越好，方塊之間越緊密越好，自身對消除行的方塊貢獻數量越多越好，但是這里還要注意的是不可為了追求消除行數，而去造成過多的空洞，這樣也是不合理的。

關于 AI 算法主要有兩種：一種是經典的 Pierre Dellacherie 算法，一種基于基于深度搜索的算法。深度搜索需要優化的地方很多，假如計算的層數不夠、沒有高效剪枝，一不小心容易寫成人工智障，時間復雜度也不好。Pierre Dellacherie 算法更加清晰，復雜度更低。但是該算法只考慮當前，不對未來的情況進行計算，注重的是“不死性”，追求方塊的“密集”，有時就算可以一次性消除 3 行，卻會使全局方塊更加“疏”，即過多的空洞。

代碼由Tetris.py、AI.py和Utils.py三部分組成，游戲的主要邏輯由 Tetis 控制，Utils 定義了方塊的樣式，AI 顧名思義實現了主要的 AI算法。

具體介紹

Pierre Dellacherie 算法

只考慮當前方塊，不對未來的情況進行計算，注重的是“不死性”，算法每次生成一個方塊，便窮舉該方塊所有旋轉的落點。一種方塊最多有 4 種旋轉，并且由于游戲界面是 10*20 的，所以對于每個旋轉形狀，只需要考慮 10 種落點。算法的核心是一個評估函數，對窮舉出的每一種下落情況，計算 6 個參數值，用評估函數加權求和得到一個值，該值最大的情況便是目前方塊的最優下落位置，六個參數分別是：

1. 下落高度（Landing Height）

當前方塊落下去之后，方塊中點距底部的方格數（事實上，不求中點也是可以的）。

2. 消行數（Rows eliminated）

消行層數與當前方塊貢獻出的方格數乘積。

3. 行變換（Row Transitions）

從左到右（或者反過來）檢測一行，當該行中某個方格從有方塊到無方塊（或無方塊到有方塊），視為一次變換。游戲池邊界算作有方塊。行變換從一定程度上反映出一行的平整程度，越平整值越??；

該指標為所有行的變換數之和；

如圖：■ 表示有方塊，□ 表示空格（游戲池邊界未畫出）

■■□□■■□□■■□□ 變換數為 6

□□□□□■□■□■□■ 變換數為 9

■■■■□□□□□□■■ 變換數為 2

■■■■■■■■■■■■ 變換數為 0

4. 列變換（Column Transitions）

大意同上，列變換從一定程度上反映出一列中空洞的集中程度，空洞越集中值越小。

5. 空洞數（Number of Holes）

6. 井的總和（Well Sums）

井指兩邊皆有方塊的空列。該指標為所有井的深度連加到 1 再求總和。

注意一列中可能有多個井，如圖：

■□□

■□■

■□■

■■■

■□■

■□■

■□■

中間一列為井，深度連加到一的和為 (2+1)+(3+2+1)=9

評估函數如下 (首字母簡寫)：

關于方塊形態

這里對 AI 俄羅斯方塊的形態做一下特別說明，各個方塊都是根據中心點的坐標來生成的，以（0，0）為中心點，在 x、y 軸加減 1 則是其他方格的坐標，這樣的好處就是只要確定中心點坐標，其他的方格位置就能隨即生成。

看圖就懂：

1#每種塊包含的四個小方塊相對坐標分布 2self.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暫不介紹。

收獲成果

以上，感興趣的同學可通過網盤獲取源代碼：https://pan.baidu.com/s/1gC6sF62Pz5D6rh6eicOZUw，提取碼: k17b。