我是此系列教程作者，eoswing团队肖南飞,区块链技术开发人员。
手把手教你玩eos系列教程，从最基础开始，一步一步教你学会用eos。比如发代币，开发DAPP等等。
本文是第十一篇。本篇教程主要学习卡牌游戏的AI对手策略编写。
- 相关准备
- 智能合约代码编写和部署
- 测试代码
- cpu: 1核
- 内存: 8G
- 操作系统：CentOS 7.4 64位
- 服务器所在地：香港
推荐将服务器放在网络较为优质的环境，比如香港。不然会有很多配置依赖下载上的问题。
在本课中，我们将为对手AI设计四种策略。
在每轮出牌时，AI随机选择其中一种策略并决定要出哪张牌。
在本课程结束时，我们将有一个可对战的AI!
AI的四种策略分别是：
-
策略1：最大程度争取获胜。 AI Best Card Wins
-
策略2：最大程度防止失败。 AI Minimize Losses
-
策略3：最大程度伤害对手。 AI Points Tally
-
策略4：最大程度减少自己伤害。 AI Loss Prevention
AI Best Card Win 最大程度争取获胜。 强调选择一张最有可能获胜的牌。
为此，该策略采取以下加权方式：
- 当AI的伤害值大于玩家的伤害值的时候，记3分
- 当AI的伤害值等于玩家的伤害值的时候，记-1分
- 当AI的伤害值小于玩家的伤害值的时候，记-2分
具体算法如下图所示：
AI Minimize Losses 最大程度防止失败。 强调选择失败率最低的卡。
为此，该策略采取以下加权方式：
- 当AI的伤害值大于玩家的伤害值的时候，记1分
- 当AI的伤害值等于玩家的伤害值的时候，记-1分
- 当AI的伤害值小于玩家的伤害值的时候，记-4分
具体算法如下图所示：
AI Points Tally 最大程度伤害对手。 强调选择造成最大伤害的牌。
为此，该策略采取以下加权方式：
（玩家卡牌伤害值 + 元素兼容性）- （AI卡牌伤害值 + 元素兼容性）。
具体算法如下图所示：
AI Loss Prevention 最大程度减少自己伤害。 强调确保最大限度的从该游戏中生存下来。
当AI剩余大量HP时，此策略不适用。只有当AI剩余小于或等于2 HP时才会选择此策略。
为此，该策略采取以下加权方式：
-
不会输掉游戏的牌，记为1。
-
会导致输掉游戏的牌，记为0。
具体算法如下图所示：
docker exec -it eosdev /bin/bash cd /eos-work/contracts/cardgame打开cardgame.hpp文件：
vi cardgame.hpp编辑代码，添加代码如下：
void draw_one_card(vector<uint8_t>& deck, vector<uint8_t>& hand);
//在上面代码行后添加如下代码
//===下面为添加代码===
int calculate_attack_point(const card& card1, const card& card2);
int ai_best_card_win_strategy(const int ai_attack_point, const int player_attack_point);
int ai_min_loss_strategy(const int ai_attack_point, const int player_attack_point);
int ai_points_tally_strategy(const int ai_attack_point, const int player_attack_point);
int ai_loss_prevention_strategy(const int8_t life_ai, const int ai_attack_point, const int player_attack_point);
int calculate_ai_card_score(const int strategy_idx, const int8_t life_ai,
const card& ai_card, const vector<uint8_t> hand_player);
int ai_choose_card(const game& game_data);
//======打开gameplay.cpp文件：
vi gameplay.cpp编辑代码，在代码行的最后面添加代码如下：
//在代码行的最后添加如下代码
// Calculate the final attack point of a card after taking the elemental bonus into account
int cardgame::calculate_attack_point(const card& card1, const card& card2) {
int result = card1.attack_point;
return result;
}
// AI Best Card Win Strategy
int cardgame::ai_best_card_win_strategy(const int ai_attack_point, const int player_attack_point) {
eosio::print("Best Card Wins");
if (ai_attack_point > player_attack_point) return 3;
if (ai_attack_point < player_attack_point) return -2;
return -1;
}
// AI Minimize Loss Strategy
int cardgame::ai_min_loss_strategy(const int ai_attack_point, const int player_attack_point) {
eosio::print("Minimum Losses");
if (ai_attack_point > player_attack_point) return 1;
if (ai_attack_point < player_attack_point) return -4;
return -1;
}
// AI Points Tally Strategy
int cardgame::ai_points_tally_strategy(const int ai_attack_point, const int player_attack_point) {
eosio::print("Points Tally");
return ai_attack_point - player_attack_point;
}
// AI Loss Prevention Strategy
int cardgame::ai_loss_prevention_strategy(const int8_t life_ai, const int ai_attack_point, const int player_attack_point) {
eosio::print("Loss Prevention");
if (life_ai + ai_attack_point - player_attack_point > 0) return 1;
return 0;
}
// Calculate the score for the current ai card given the strategy and the player hand cards
int cardgame::calculate_ai_card_score(const int strategy_idx,
const int8_t life_ai,
const card& ai_card,
const vector<uint8_t> hand_player) {
int card_score = 0;
for (int i = 0; i < hand_player.size(); i++) {
const auto player_card_id = hand_player[i];
const auto player_card = card_dict.at(player_card_id);
int ai_attack_point = calculate_attack_point(ai_card, player_card);
int player_attack_point = calculate_attack_point(player_card, ai_card);
// Accumulate the card score based on the given strategy
switch (strategy_idx) {
case 0: {
card_score += ai_best_card_win_strategy(ai_attack_point, player_attack_point);
break;
}
case 1: {
card_score += ai_min_loss_strategy(ai_attack_point, player_attack_point);
break;
}
case 2: {
card_score += ai_points_tally_strategy(ai_attack_point, player_attack_point);
break;
}
default: {
card_score += ai_loss_prevention_strategy(life_ai, ai_attack_point, player_attack_point);
break;
}
}
}
return card_score;
}
// Chose a card from the AI's hand based on the current game data
int cardgame::ai_choose_card(const game& game_data) {
// The 4th strategy is only chosen in the dire situation
int available_strategies = 4;
if (game_data.life_ai > 2) available_strategies--;
int strategy_idx = random(available_strategies);
// Calculate the score of each card in the AI hand
int chosen_card_idx = -1;
int chosen_card_score = std::numeric_limits<int>::min();
for (int i = 0; i < game_data.hand_ai.size(); i++) {
const auto ai_card_id = game_data.hand_ai[i];
const auto ai_card = card_dict.at(ai_card_id);
// Ignore empty slot in the hand
if (ai_card.type == EMPTY) continue;
// Calculate the score for this AI card relative to the player's hand cards
auto card_score = calculate_ai_card_score(strategy_idx, game_data.life_ai, ai_card, game_data.hand_player);
// Keep track of the card that has the highest score
if (card_score > chosen_card_score) {
chosen_card_score = card_score;
chosen_card_idx = i;
}
}
return chosen_card_idx;
}打开cardgame.cpp文件：
vi cardgame.cpp编辑代码，添加代码如下：
game_data.hand_player[player_card_idx] = 0;
//在上面代码行后添加如下代码
//===下面为添加代码===
// AI picks a card
int ai_card_idx = ai_choose_card(game_data);
game_data.selected_card_ai = game_data.hand_ai[ai_card_idx];
game_data.hand_ai[ai_card_idx] = 0; eosiocpp -o cardgame.wast cardgame.cpp eosiocpp -g cardgame.abi cardgame.cpp cleos wallet unlock -n gamewallet cleos -u https://api-kylin.eosasia.one set contract 123123gogogo /eos-work/contracts/cardgame -p 123123gogogo@active至此，后端的合约重新部署完成。
cd /eos-work/frontend
npm start在浏览器中输入网址测试。
因为现在游戏并不完整，测试后遗留数据不方便清零。
所以每次阶段性查看下效果，最好新建一个账户测试。
此次测试，新建了一个账户cardgame2334。
登录游戏。
进入游戏。
开始游戏。
出牌，同时AI出牌。
在本文的学习中如果遇到问题，欢迎留言或者在如下链接寻找解决方案：
- EOS官方游戏开发第五课: https://battles.eos.io/tutorial/lesson5/chapter1
如果觉得这系列教程有点意思，请投票给柚翼节点（eoswingdotio）。您的投票是本教程持续更新的动力源泉，谢谢。