# alpha-zero

**Repository Path**: ai-studio_1/alpha-zero

## Basic Information

- **Project Name**: alpha-zero
- **Description**: 基于alpha-zero五子棋项目，2022计算机博弈大赛季军
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2023-06-09
- **Last Updated**: 2023-06-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

该代码主要基于Alpha Zero paper提供的伪代码
[Alpha Go Zero paper](https://www.nature.com/articles/nature24270?sf123103138=1)  
[Alpha Zero paper](https://science.sciencemag.org/content/362/6419/1140)

参考 [Lczero](https://lczero.org/dev/backend/nn/)
棋盘：15*15*2【stones-self, stones-opponent】
环境tensorflow2.0
## hmolGUI.py： 定义界面主函数运行
MCTS.py：作为AI玩家，具有选择，扩展，模拟，反向传播，定义UCB（Upper Confidence Bounds）

#RNG.py 神经网络策略价值网络给出当前局面，返回当前局面action概率已经当前局面胜率评分。
selfplay收集数据训练该网络，而训练更新的价值网络也会应用到MCTS中进行self-play
train.py
train 中run()大致流程是：收集 self_play 数据。当数据数量大于一定数目时，运行 policy_update()
函数，更新神经网络的权值。每进行一定数量的游戏，需要对当前神经网络的模型进行保存并评估。
如果评估效果非常好（与纯蒙特卡罗搜索树算法对弈10局，胜率100%），则将此模型保存为最佳模型，
并提升评估算法（纯蒙特卡罗搜索树）的算力，如将搜索次数提高1000。回到1，直到训练次数到达设定值