游戏 《2048》 是 Gabriele Cirulli出品手机数字游戏， 以下给出百度介绍：
https://baike.baidu.com/item/2048/13383511?fr=aladdin
游戏的网上地址：
http://gabrielecirulli.github.io/2048/
github 上的源码地址：
https://github.com/gabrielecirulli/2048
今天，一位老友与我闲聊中提起了最近在玩的一个小程序，就是这个传说中的2048游戏，一开始并没有太在意，但是听老友多次提起也就有了一丢丢的兴趣， 老友提到要自己写一个程序来让电脑自己玩这个游戏，并给出了自己的一些想法，听了以后感觉蛮神奇和高大上的，其思想可以概括为使用遗传算法和神经网络对 该问题建模后 进行求解，也就是说使用某种算法对问题的解空间进行搜索， 这个想法咋一听起来感觉不错不错，细细想来又总感觉差一些什么，随后老友又具体的讲了一下想法，那就是采用两个神经网络 对 问题 求解， 一个负责棋子的 移动， 一个负责搜索， 总之，感觉这个想法和有名的alfago 下围棋方法很像，只不过很无奈，alfago 过于高大上 以至于只是听说过它的一些方法。
抱着好奇的态度我便打开了这个游戏的网址，直观感觉这个游戏很简单，随后我发现这个游戏和平时的棋盘类游戏还是有一些不同的。这个游戏的初始两个棋子的位置是完全随机的， 虽然棋子 可以是 2 和 4 中的任意一个（其中 ， 是2 的概率为0.9， 是4 的概率为0.1）， 但是这个初始状态可以看做是完全随机的， 然后每一次移动棋子后产生的棋子也是随机的（2 的概率为0.9， 是4 的概率为0.1）， 并且位置也是随机的。也就是说，这个游戏在下棋过程中所有的操作都是随机的， 这个样子的话好像传统的那些解法不是很一样， 虽然说不上是简单了还是容易的。
对于这个游戏的解法我的观点不太同于我的老友，我总感觉这个游戏的步骤是需要算下到每一步位置后能够WIN的概率或者是下一步可以更好的概率。
这个游戏每次操作可以选择上 下 左 右 四个方向的操作，也就是4种可供选择。每次操作后空白 的 位置假设 为K， 那么也就是说这次操作后棋盘可能变化成的状态为 4 × k ×2, ( 2是因为 新生成的棋子可以是2 也可以是 4)。如果能够给出一个判断函数，来确定哪一种变化后的状态更优秀，当然还要考虑到变为该种状态的概率， 那么也就是说 我们要求 下个状态的优秀估值 和 概率的乘积， 即 期望值， 来选择 下一步的 操作。
有了以上想法后，本人决定亲自玩一次，给它打通关，结果万万没有想到 整整打了一天 也没有打赢， 真心是败给它了。随后，在网上搜了搜其他网友给出的解决方法，搜到了这个 不错的版本， 2048AI版本， 以下给出具体地址：
http://ovolve.github.io/2048-AI/
github 地址：
https://github.com/ovolve/2048-AI
以下给出演示图：
为了可以更好的理解该游戏是如何运行及设计的，本人在网上找了一个PYTHON版本的代码，当然由于其界面为命令行，其效果难以与JS写的相比，以下给出地址：
http://rosettacode.org/wiki/2048#Python
#!/usr/bin/env python3
import curses
from random import randrange, choice # generate and place new tile
from collections import defaultdict
letter_codes = [ord(ch) for ch in 'WASDRQwasdrq']
actions = ['Up', 'Left', 'Down', 'Right', 'Restart', 'Exit']
actions_dict = dict(zip(letter_codes, actions * 2))
def get_user_action(keyboard):
char = "N"
while char not in actions_dict:
char = keyboard.getch()
return actions_dict[char]
def transpose(field):
return [list(row) for row in zip(*field)]
def invert(field):
return [row[::-1] for row in field]
class GameField(object):
def __init__(self, height=4, width=4, win=2048):
self.height = height
self.width = width
self.win_value = 2048
self.score = 0
self.highscore = 0
self.reset()
def reset(self):
if self.score > self.highscore:
self.highscore = self.score
self.score = 0
self.field = [[0 for i in range(self.width)] for j in range(self.height)]
self.spawn()
self.spawn()
def move(self, direction):
def move_row_left(row):
def tighten(row): # squeese non-zero elements together
new_row = [i for i in row if i != 0]
new_row += [0 for i in range(len(row) - len(new_row))]
return new_row
def merge(row):
pair = False
new_row = []
for i in range(len(row)):
if pair:
new_row.append(2 * row[i])
self.score += 2 * row[i]
pair = False
else:
if i + 1 < len(row) and row[i] == row[i + 1]:
pair = True
new_row.append(0)
else:
new_row.append(row[i])
assert len(new_row) == len(row)
return new_row
return tighten(merge(tighten(row)))
moves = {}
moves['Left'] = lambda field: \
[move_row_left(row) for row in field]
moves['Right'] = lambda field: \
invert(moves['Left'](invert(field)))
moves['Up'] = lambda field: \
transpose(moves['Left'](transpose(field)))
moves['Down'] = lambda field: \
transpose(moves['Right'](transpose(field)))
if direction in moves:
if self.move_is_possible(direction):
self.field = moves[direction](self.field)
self.spawn()
return True
else:
return False
def is_win(self):
return any(any(i >= self.win_value for i in row) for row in self.field)
def is_gameover(self):
return not any(self.move_is_possible(move) for move in actions)
def draw(self, screen):
help_string1 = '(W)Up (S)Down (A)Left (D)Right'
help_string2 = ' (R)Restart (Q)Exit'
gameover_string = ' GAME OVER'
win_string = ' YOU WIN!'
def cast(string):
screen.addstr(string + '\n')
def draw_hor_separator():
top = '┌' + ('┬──────' * self.width + '┐')[1:]
mid = '├' + ('┼──────' * self.width + '┤')[1:]
bot = '└' + ('┴──────' * self.width + '┘')[1:]
separator = defaultdict(lambda: mid)
separator[0], separator[self.height] = top, bot
if not hasattr(draw_hor_separator, "counter"):
draw_hor_separator.counter = 0
cast(separator[draw_hor_separator.counter])
draw_hor_separator.counter += 1
def draw_row(row):
cast(''.join('│{: ^5} '.format(num) if num > 0 else '| ' for num in row) + '│')
screen.clear()
cast('SCORE: ' + str(self.score))
if 0 != self.highscore:
cast('HGHSCORE: ' + str(self.highscore))
for row in self.field:
draw_hor_separator()
draw_row(row)
draw_hor_separator()
if self.is_win():
cast(win_string)
else:
if self.is_gameover():
cast(gameover_string)
else:
cast(help_string1)
cast(help_string2)
def spawn(self):
new_element = 4 if randrange(100) > 89 else 2
(i,j) = choice([(i,j) for i in range(self.width) for j in range(self.height) if self.field[i][j] == 0])
self.field[i][j] = new_element
def move_is_possible(self, direction):
def row_is_left_movable(row):
def change(i): # true if there'll be change in i-th tile
if row[i] == 0 and row[i + 1] != 0: # Move
return True
if row[i] != 0 and row[i + 1] == row[i]: # Merge
return True
return False
return any(change(i) for i in range(len(row) - 1))
check = {}
check['Left'] = lambda field: \
any(row_is_left_movable(row) for row in field)
check['Right'] = lambda field: \
check['Left'](invert(field))
check['Up'] = lambda field: \
check['Left'](transpose(field))
check['Down'] = lambda field: \
check['Right'](transpose(field))
if direction in check:
return check[direction](self.field)
else:
return False
def main(stdscr):
curses.use_default_colors()
game_field = GameField(win=32)
state_actions = {} # Init, Game, Win, Gameover, Exit
def init():
game_field.reset()
return 'Game'
state_actions['Init'] = init
def not_game(state):
game_field.draw(stdscr)
action = get_user_action(stdscr)
responses = defaultdict(lambda: state)
responses['Restart'], responses['Exit'] = 'Init', 'Exit'
return responses[action]
state_actions['Win'] = lambda: not_game('Win')
state_actions['Gameover'] = lambda: not_game('Gameover')
def game():
game_field.draw(stdscr)
action = get_user_action(stdscr)
if action == 'Restart':
return 'Init'
if action == 'Exit':
return 'Exit'
if game_field.move(action): # move successful
if game_field.is_win():
return 'Win'
if game_field.is_gameover():
return 'Gameover'
return 'Game'
state_actions['Game'] = game
state = 'Init'
while state != 'Exit':
state = state_actions[state]()
curses.wrapper(main)
对于该游戏的 AI 版本， 外国技术网站上有以下的分析：
https://stackoverflow.com/questions/22342854/what-is-the-optimal-algorithm-for-the-game-2048/22389702#2238970
对于该游戏，个人的观点则是AI版本的重点是在各个评分函数的选择上，对此由于源码是JS写的，并不熟悉，再加上并无太多注解，对于外文论坛上的分析也是看得似懂非懂，不甚了了。