🖨️ 🙎🏾 🌊 एक सरल शतरंज AI बनाएँ: 5 आसान चरण 😦 🤶🏻 👩🏻‍🏫

शतरंज के लिए सरलतम एआई बनाने के बारे में लॉरी हार्टिकाका के एक लेख का हमने आपके लिए अनुवाद किया। यह 2017 में वापस लिखा गया था, लेकिन मूल सिद्धांत समान रहे। लोरी का इस्तेमाल करने वाली सभी फाइलें भी उपलब्ध हैं।

सरल कृत्रिम बुद्धि जो शतरंज खेल सकती है, चार अवधारणाओं के आधार पर बनाई जा सकती है:

1. चल रहा है;
2. बोर्ड का मूल्यांकन;
3. मिनीमैक्स ;
4. अल्फा बीटा कतरन । एल्गोरिथ्म के साथ काम करने के प्रत्येक चरण में, उनमें से एक का उपयोग किया जाएगा, इससे धीरे-धीरे एआई की गेमिंग क्षमताओं में सुधार होगा।

Skillbox की सिफारिश: पायथन डेटा विश्लेषक एप्लाइड ऑनलाइन कोर्स।

हम आपको याद दिलाते हैं: "हैबर" के सभी पाठकों के लिए - "हैबर" प्रोमो कोड का उपयोग करके किसी भी स्किलबॉक्स कोर्स के लिए पंजीकरण करते समय 10,000 रूबल की छूट।

तैयार स्रोत कोड GitHub पर पाया जा सकता है ।

चरण 1. चाल की पीढ़ी के साथ एक शतरंजबोर्ड का दृश्य

इस बिंदु पर, हम शतरंज को प्रस्तुत करने के लिए चाल और शतरंजबोर्ड उत्पन्न करने के लिए ch.js पुस्तकालयों का उपयोग करेंगे। पुस्तकालय, जो चाल की पीढ़ी के लिए जिम्मेदार है, आपको सभी शतरंज नियमों को लागू करने की अनुमति देता है, ताकि हम टुकड़ों की एक विशिष्ट व्यवस्था के लिए प्रत्येक क्रिया की गणना कर सकें।

जब आप चित्र पर क्लिक करते हैं, तो यह पूर्ण रिज़ॉल्यूशन में खुलेगा।

इन पुस्तकालयों के साथ काम करना आपको मुख्य कार्य पर ध्यान केंद्रित करने की अनुमति देता है - एक एल्गोरिथ्म की खोज करना और बनाना जो आपको इष्टतम चाल खोजने की अनुमति देता है। हम एक फ़ंक्शन लिखकर काम शुरू करते हैं जो सभी संभावित लोगों की सूची से एक यादृच्छिक चाल देता है।

var calculateBestMove =function(game) { //generate all the moves for a given position var newGameMoves = game.ugly_moves(); return newGameMoves[Math.floor(Math.random() * newGameMoves.length)]; };

इस तथ्य के बावजूद कि एल्गोरिथ्म एक आदर्श शतरंज खिलाड़ी नहीं है, यह अपने स्तर के अधिकांश खिलाड़ियों के लिए काफी पर्याप्त होगा।

ब्लैक रैंडम तरीके से चलता है। ( स्रोत और खेल ऑनलाइन )

चरण 2. स्थिति का मूल्यांकन

अब आइए जानें कि इस या उस स्थिति में किस पक्ष का फायदा है। सबसे आसान तरीका बोर्ड पर टुकड़ों की सापेक्ष ताकत की गणना करना है, यह तालिका का उपयोग करके किया जा सकता है।

मूल्यांकन समारोह का उपयोग करके, हमें एक एल्गोरिथ्म बनाने का अवसर मिलता है जो अधिकतम रेटिंग के साथ कदम का चयन करता है।

 var calculateBestMove = function (game) { var newGameMoves = game.ugly_moves(); var bestMove = null; //use any negative large number var bestValue = -9999; for (var i = 0; i < newGameMoves.length; i++) { var newGameMove = newGameMoves[i]; game.ugly_move(newGameMove); //take the negative as AI plays as black var boardValue = -evaluateBoard(game.board()) game.undo(); if (boardValue > bestValue) { bestValue = boardValue; bestMove = newGameMove } } return bestMove; };

सिद्धांत रूप में, स्तर समान है, लेकिन ऐसा अवसर मौजूद होने पर एल्गोरिथम पहले से ही किसी और की आकृति ले सकता है।

काले को सफेद टुकड़े लेने का मौका मिला। (स्रोत और खेल यहाँ हैं )।

स्टेज 3. मिनिमम के साथ सर्च ट्री

उसके बाद हम एक खोज ट्री बनाते हैं। अब प्रोग्राम इसमें से सबसे अच्छी चाल चुन सकता है। यह मिनिमैक्स एल्गोरिथ्म का उपयोग करके किया जाता है।

यहां सभी संभावित चालों के प्रदर्शन के साथ एक पुनरावर्ती वृक्ष का विश्लेषण एक निश्चित गहराई तक किया जाता है। हमारे पेड़ की पत्तियों से स्थिति का अनुमान लगाया जाता है।

अगला, हम बच्चे के न्यूनतम या अधिकतम मान को मूल नोड में लौटाते हैं। यह सब इस बात पर निर्भर करता है कि वर्तमान में कौन सा पक्ष गलत है। दूसरे शब्दों में, परिणाम प्रत्येक स्तर पर अधिकतम या न्यूनतम होता है।

यहां, बी 2-सी 3 व्हाइट के लिए सबसे अच्छा कदम है, क्योंकि वह सुनिश्चित करता है कि खिलाड़ी एक -50 अंक के साथ स्थान पर पहुंच जाए।

 var minimax = function (depth, game, isMaximisingPlayer) { if (depth === 0) { return -evaluateBoard(game.board()); } var newGameMoves = game.ugly_moves(); if (isMaximisingPlayer) { var bestMove = -9999; for (var i = 0; i < newGameMoves.length; i++) { game.ugly_move(newGameMoves[i]); bestMove = Math.max(bestMove, minimax(depth - 1, game, !isMaximisingPlayer)); game.undo(); } return bestMove; } else { var bestMove = 9999; for (var i = 0; i < newGameMoves.length; i++) { game.ugly_move(newGameMoves[i]); bestMove = Math.min(bestMove, minimax(depth - 1, game, !isMaximisingPlayer)); game.undo(); } return bestMove; } };

मिनिमैक्स एल्गोरिथ्म के साथ, हमारे एआई ने पहले ही शतरंज की बुनियादी रणनीति को समझना शुरू कर दिया है।

2 की गहराई के साथ मिनीमाक्स (स्रोत और खेल यहाँ )

यह ध्यान देने योग्य है कि न्यूनतम गहराई एल्गोरिथ्म की दक्षता खोज की गहराई के साथ बढ़ जाती है। अगला कदम इसके लिए जिम्मेदार है।

चरण 4. अल्फा बीटा क्लिपिंग

यह एक न्यूनतम एल्गोरिथ्म अनुकूलन विधि है जो खोज पेड़ में कुछ शाखाओं को अनदेखा करना संभव बनाता है। और यह आपको संसाधनों की समान मात्रा खर्च करते हुए, खोज की गहराई बढ़ाने की अनुमति देता है।

अल्फा बीटा क्लिपिंग एक ऐसी स्थिति पर आधारित है जहां हम एक निश्चित शाखा का मूल्यांकन करना बंद कर सकते हैं यदि यह पाया जाता है कि एक नया कदम पिछले एक का मूल्यांकन करते समय हमने देखी गई स्थिति से भी बदतर स्थिति का नेतृत्व करेगा।

अनुकूलन मिनिमैक्स के परिणाम को प्रभावित नहीं करता है, लेकिन सब कुछ तेजी से काम करना शुरू कर देता है।

यह एल्गोरिथ्म बहुत अधिक कुशल है यदि आप पहले अच्छी चाल की ओर जाने वाले रास्तों की जांच करते हैं।

छवि से पता चलता है कि अल्फा बीटा क्लिपिंग का उपयोग करते समय अनावश्यक हो जाते हैं।

जैसा कि आप देख सकते हैं, अल्फा-बीटा क्लिपिंग के साथ, मिनिमैक्स को अनुकूलित किया गया है, और बहुत महत्वपूर्ण है।

उन पदों की संख्या जो आप किसी खोज के मामले में 4 की गहराई और शुरुआती स्थिति के साथ मूल्यांकन करना चाहते हैं, जो ऊपर दिखाया गया है। (स्रोत और खेल यहां उपलब्ध हैं )

चरण 5. बेहतर मूल्यांकन समारोह

प्रारंभिक मूल्यांकन समारोह काफी सरल है, क्योंकि यह बस बोर्ड पर टुकड़ों के बिंदुओं को गिनता है। इसे अनुकूलित करने के लिए, आप आंकड़ों की स्थिति को ध्यान में रख सकते हैं। उदाहरण के लिए, यदि आप बोर्ड के केंद्र में घोड़े को रखते हैं, तो यह अधिक महंगा हो जाता है - इस टुकड़े के लिए उपलब्ध चाल की सीमा का विस्तार होगा।

इस बिंदु पर, हम मूल रूप से शतरंज प्रोग्रामिंग विकी में वर्णित वर्ग तालिकाओं के थोड़ा संशोधित संस्करण के साथ काम करेंगे।

और अब हमारा एल्गोरिथ्म पहले से ही औसत खिलाड़ी की तुलना में बहुत अच्छा खेल रहा है।

स्रोत और खेल यहां उपलब्ध हैं।

निष्कर्ष

प्रस्तावित एल्गोरिथ्म का लाभ यह है कि यह बहुत बेवकूफ गलतियां नहीं करता है। बेशक, यहां की रणनीति को शायद ही सही कहा जा सकता है, लेकिन फिर भी।

हमारे एल्गोरिथ्म का कार्यान्वयन कोड की केवल 200 लाइनें हैं, इसलिए मूल सिद्धांत काफी सरल हैं। कार्यक्रम का अंतिम संस्करण GitHub पर देखा गया <a href= target github.com/lhartikk/simple-chess-ai'> हो सकता है।

अन्य मॉड्यूल को एल्गोरिथ्म में जोड़ा जा सकता है, जिसमें शामिल हैं:

शतरंज प्रोग्रामिंग के बारे में अधिक जानकारी शतरंज प्रोग्रामिंग विकी पर पाई जा सकती है।

स्किलबॉक्स अनुशंसा करता है:

प्रैक्टिकल कोर्स "मोबाइल डेवलपर प्रो"
ऑनलाइन पाठ्यक्रम "वेब डेवलपर पेशे"
दो वर्षीय व्यावहारिक पाठ्यक्रम "मैं एक प्रो वेब डेवलपर हूं । "