爆裂棋 AlphaZero 引擎

基于 AlphaZero 算法（策略-价值神经网络 + 蒙特卡洛树搜索）的爆裂棋引擎，提供终端交互界面（TUI），支持局面评估与最优着法输出。

项目特性

• 完整游戏核心：严格复刻 爆裂棋.c 的 calc() 语义，含连锁爆炸、爆炸增强余量、单方棋子存活判定、级别超限判定两种胜负条件
• AlphaZero 神经网络：4 残差块公共体 + 策略头 + 价值头（tanh 输出 [-1, 1]）
• PUCT 蒙特卡洛树搜索：神经网络引导先验与价值，支持 Dirichlet 噪声探索
• 自博弈训练管线：数据生成 → 批量训练 → 检查点保存
• TUI 交互界面（基于 Rich）：棋盘渲染、局面评估、最优着法分析、人机对弈、引擎代走

项目结构

.
├── 爆裂棋.c                  # 原始 C 语言实现（规则参考）
├── main.py                   # 主入口（play / analyze / train）
├── pyproject.toml            # 项目配置与依赖
├── src/burst_chess/
│   ├── game.py               # 棋盘、连锁爆炸、胜负判定
│   ├── network.py            # 策略-价值神经网络
│   ├── mcts.py               # AlphaZero MCTS
│   ├── selfplay.py           # 自博弈数据生成
│   ├── trainer.py            # 训练循环
│   └── tui.py                # Rich TUI 界面
├── tests/                    # pytest 测试套件（99 个测试）
└── models/                   # 模型检查点目录

安装

pip install -e .

依赖：Python ≥ 3.10，PyTorch ≥ 2.0，NumPy ≥ 1.24，Rich ≥ 13.0。

使用方法

人机对弈

python main.py play [--model PATH] [--simulations N]

你执红方先手，引擎执蓝方。走子格式：行 列（如 3 3）。

分析模式

python main.py analyze [--model PATH] [--simulations N]

可自由走子（双方），随时调用引擎分析功能。

训练模式

python main.py train \
    --iterations 50 \
    --games 20 \
    --epochs 10 \
    --simulations 50 \
    --lr 1e-3 \
    --batch-size 64 \
    --checkpoint-dir models

通过自博弈生成数据并迭代训练神经网络，检查点保存到 models/。

未指定 --model 时使用随机初始化网络，仍可正常运行。

TUI 命令

命令	说明
r c	走子，如 3 3 表示在 (3,3) 落子
eval	评估当前局面（价值 + 胜率）
best	显示最优着法 + Top-5 候选及访问次数
auto	引擎以当前玩家身份自动落子
undo	悔棋
new	重新开局
help	显示帮助
quit	退出

爆裂棋规则

• 棋盘：9×9，索引 (1,1) 到 (9,9)
• 棋子：board[i][j] 取值 -7 到 7。正数=红方棋子，负数=蓝方棋子，绝对值表示级别
• 初始局面：(3,3)=3（红）、(7,7)=-3（蓝），红方先手
• 合法着法：选择满足 board[r][c] * now_player > 0 的格子，级别 +1
• 连锁爆炸：级别 ≥4 时爆炸，相邻格变为 (|邻居| + |爆炸格| - 3) × now_player，爆炸格自减原始值。多趟扫描直至无变化
• 胜负条件（按 calc() 检测顺序）：
  1. 单方棋子存活：每趟扫描开头检测，棋盘上仅剩一方棋子时该方获胜
  2. 级别超限：爆炸遍历阶段检测，任意棋子级别 ≥8 时触发玩家获胜

完整规则形式化定义见 spec.md。

技术实现要点

• 棋盘表示：NumPy (10, 10) int8 数组与 C 源码索引对齐
• 状态编码：(3, 9, 9) 张量（红方面 / 蓝方面 / 当前玩家面）
• MCTS 价值视角：终局叶子不取反（父子玩家相同），非终局叶子取反（父子玩家相反）
• 训练损失：策略交叉熵 + 价值 MSE，L2 通过 Adam weight_decay 实现
• 温度调度：自博弈前 N 步温度=1.0 探索，后期贪心利用

测试

pytest

99 个测试覆盖：游戏核心逻辑、神经网络、MCTS、自博弈、训练器、TUI、端到端集成。

技术栈

组件	选型
语言	Python 3.10+
深度学习	PyTorch
数值计算	NumPy
TUI	Rich
测试	pytest

参考

• Silver et al. Mastering the game of Go without human knowledge (AlphaGo Zero, Nature 2017)
• Silver et al. A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play (AlphaZero, Science 2018)
• 原始 C 语言实现：爆裂棋.c