Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/lihongxun945/gobang
javascript gobang AI，JS五子棋AI，源码+教程，基于Alpha-Beta剪枝算法（不是神经网络）
https://github.com/lihongxun945/gobang
ai gobang gomoku javascript
Last synced: about 22 hours ago
JSON representation
javascript gobang AI，JS五子棋AI，源码+教程，基于Alpha-Beta剪枝算法（不是神经网络）
- Host: GitHub
- URL: https://github.com/lihongxun945/gobang
- Owner: lihongxun945
- Created: 2016-01-28T13:15:14.000Z (almost 9 years ago)
- Default Branch: master
- Last Pushed: 2024-10-01T05:24:33.000Z (4 months ago)
- Last Synced: 2025-01-16T15:04:12.623Z (8 days ago)
- Topics: ai, gobang, gomoku, javascript
- Language: JavaScript
- Homepage: https://gobang2.light7.cn/
- Size: 12.7 MB
- Stars: 1,681
- Watchers: 36
- Forks: 383
- Open Issues: 42
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
- awesome-game-ai - [code
README
## 五子棋AI
✨🎉🎉🎉✨ 2023/11 重写了全部代码，代码更加简洁易懂，并修复了之前存在的AI可能会偶尔走错棋的问题，棋力更加稳定，React也更新到了最新的V18版本。
***本仓库代码仅供个人业余研究AI用，代码肯定存在有很多不完善的地方，精力和专业所限请谅解***
极小化极大算法的五子棋AI实现。 扫描上方二维码，或者打开此页面可以直接体验 [https://gobang2.light7.cn/](https://gobang2.light7.cn/) 如果 `http` 协议无法打开，可以用这个http的链接 [http://gobang2.light7.cn/](http://gobang2.light7.cn/)
如果你对机器学习、神经网络有兴趣，这里有一个基于Alpha Zero原理的AI [alpha-zero-gobang](https://github.com/lihongxun945/alpha-zero-gobang) 正在开发中，Tensorflow2.x实现，有兴趣的可以关注交流。
## 一些常见问题
- Q：AI的原理是什么？
- A：参考后文中我的博客。基本原理是极小化极大搜索算法，做了一些常见的性能优化。没有用到神经网络、强化学习之类的机器学习算法。
- Q：为什么感觉AI的棋力不强？
- A：这个AI是极小化极大算法，做了有限的优化，并且受限于浏览器执行JS的速度，其搜索的深度比较浅，所以棋力不会很强。
- Q：不同难度有啥区别？
- A：不同难度的区别在于搜索的深度，AI的搜索深度越深，棋力越强，相应的耗时也会变长。
- Q：需要联网吗？
- A：第一次打开页面或者刷新需要联网，但AI的执行是本地的，因此只要页面打开之后，就不需要联网了。
- Q：为啥感觉电脑走棋很慢？
- A：这个AI是本地浏览器执行的，AI的速度受硬件性能影响比较大，并且难度越高，搜索的深度越深，耗时越长。如果发现耗时过长，可以降低难度。
- Q：AI涉及到的算法是你原创的吗？
- A：并不是我原创的，绝大部分都是网络上公开的算法，我只是把它们组合起来，并做了一些有限的优化。
## 联系方式
需要交流的同学可以加QQ群 `622613966`,进群验证信息请填写 `gobang`
## 更新日志
- 2023/11/23 更新：V3版本重写了所有代码，现在代码更加简洁易懂，并修复了之前存在的AI可能会偶尔走错棋的问题，棋力更加稳定。
- 2020/11/29 更新: 修复了评分的明显bug，随机开局库可配置，网站已修复，可以愉快玩耍了
## 教程
我写了一个系列博客，教你如何一步步编写自己的五子棋AI：
- [五子棋AI设计教程第二版一：前言](https://github.com/lihongxun945/myblog/issues/11)
- [五子棋AI设计教程第二版二：博弈算法的前世今生](https://github.com/lihongxun945/myblog/issues/12)
- [五子棋AI设计教程第二版三：极小化极大值搜索](https://github.com/lihongxun945/myblog/issues/13)
- [五子棋AI设计教程第二版四：Alpha Beta 剪枝算法](https://github.com/lihongxun945/myblog/issues/14)
- [五子棋AI设计教程第二版五：启发式评估函数](https://github.com/lihongxun945/myblog/issues/15)
- [五子棋AI设计教程第二版六：迭代加深](https://github.com/lihongxun945/myblog/issues/16)
- [五子棋AI设计教程第二版七：Zobrist缓存](https://github.com/lihongxun945/myblog/issues/17)
- [五子棋AI设计教程第二版八：算杀](https://github.com/lihongxun945/myblog/issues/18)
- [五子棋AI设计教程第二版九：性能优化](https://github.com/lihongxun945/myblog/issues/19)
注意教程中的代码与代码仓库的有一定区别，但原理是一样的。作者本着开源分享的精神，知道的都写出来，没有任何保留，如有遗漏或错误可以提issue。
## 安装依赖
本仓库是一个纯前端仓库，AI也是用JS写的，所以本地开发必须安装Node和NPM。Node版本没有完善测试过，但理论上 v16~20 应该都可以。
先执行 `npm install` 安装依赖。然后有如下命令可用：
- `npm start` 启动本地开发服务
- `npm test` 运行单元测试
- `npm run js` 编译JS
- `npm run less` 编译less
- `npm run watch` 进入watch模式 自动编译文件
- `npm run build` 编译生成dist目录
## 关于作者
大厂前端工程师，曾（现）任职百度、阿里、字节等公司，业务时间会研究一些和工作无关的技术。