前文回顾：
致青春--Python实现俄罗斯方块
人工智能大火的今天，如果还是自己玩俄罗斯方块未免显得太LOW，为什么不对游戏升级，让机器自己去玩俄罗斯方块呢？有了这个想法之后利用周六周日两天的时间去搜集了大量的资料，在电脑死机好多次之后终于将AI俄罗斯方块实现了。
程序介绍
所谓让机器自己去玩俄罗斯方块，就是让机器计算当前方块的所有形态可放置的所有位置，然后根据统一的评价标准，计算出最优的位置进行放置。这个评价的标准简单的来说就是：板块放置的位置越靠下越好，方块之间越紧密越好，自身对消除行的方块贡献数量越多越好，但是这里还要注意的是不可为了追求消除行数，而去造成过多的空洞，这样也是不合理的。
关于AI算法主要有两种:一种是经典的Pierre Dellacherie算法，一种基于基于深度搜索的算法。深度搜索需要优化的地方很多，假如计算的层数不够、没有高效的剪枝，一不小心容易写成人工智障，时间复杂度也不好。Pierre Dellacherie算法更加清晰，复杂度更低。但是该算法只考虑当前，不对未来的情况进行计算，注重的是“不死性”，追求方块的“密集”，有时就算可以一次性消除 3 行，却会使全局方块更加“疏”，即过多的空洞。
代码由三部分组成Tetris.py,AI.py和Utils.py游戏的主要逻辑由Tetis控制，Utils定义了方块的样式，AI顾名思义实现了主要的AI算法。
具体介绍
Pierre Dellacherie算法
只考虑当前方块，不对未来的情况进行计算，注重的是“不死性”，算法每次生成一个方块，便穷举该方块所有旋转的所有落点。一种方块最多有 4 种旋转，并且由于游戏界面是10*20的，所以对于每个旋转形状，只需要考虑10种落点。算法的核心是一个评估函数，对穷举出的每一种下落情况，计算 6 个参数值，用评估函数加权求和得到一个值，该值最大的情况便是目前方块的最优下落位置，六个参数分别是：
1.下落高度（Landing Height）：
当前方块落下去之后，方块中点距底部的方格数 事实上，不求中点也是可以的，详见官网。
2.消行数（Rows eliminated）
消行层数与当前方块贡献出的方格数乘积
3.行变换（Row Transitions）：
从左到右（或者反过来）检测一行，当该行中某个方格从有方块到无方块（或无方块到有方块），
视为一次变换。游戏池边界算作有方块。行变换从一定程度上反映出一行的平整程度，越平整值越小
该指标为所有行的变换数之和
如图：■表示有方块，□表示空格（游戏池边界未画出）
■■□□■■□□■■□□ 变换数为6
□□□□□■□■□■□■ 变换数为9
■■■■□□□□□□■■ 变换数为2
■■■■■■■■■■■■ 变换数为0
4.列变换（Column Transitions）：大意同上
列变换从一定程度上反映出一列中空洞的集中程度，空洞越集中值越小
5.空洞数（Number of Holes）
不解释
6.井的总和（Well Sums）：
井指两边皆有方块的空列。该指标为所有井的深度连加到1再求总和 注意一列中可能有多个井，如图：
■□□■□■■□■■■■■□■■□■■□■中间一列为井，深度连加到一的和为 (2+1)+(3+2+1)=9
评估函数如下 (首字母简写)：
关于方块形态
相对于上次文章中的俄罗斯方块，这里对AI俄罗斯方块的形态做一下特别说明，各个方块都是根据中心点的坐标来生成的，以（0，0）为中心点，在x、y轴加减1则是其他方格的坐标，这个好处就是只要确定中心点坐标，其他的方格位置就能随即生成。看图就懂↓
1# 每种块包含的四个小方块相对坐标分布2 self.shapes_relative_coords = [3 [[0, 0], [0, 0], [0, 0], [0, 0]],4 [[0, -1], [0, 0], [0, 1], [0, 2]],5 [[0, -1], [0, 0], [0, 1], [1, 1]],6 [[0, -1], [0, 0], [0, 1], [-1, 1]],7 [[0, -1], [0, 0], [0, 1], [1, 0]],8 [[0, 0], [0, -1], [1, 0], [1, -1]],9 [[0, 0], [0, -1], [-1, 0], [1, -1]],
10 [[0, 0], [0, -1], [1, 0], [-1, -1]]
11 ]
基于深度搜索
暂时不对此方法作介绍。
代码并没有贴出来，关注公众号【Ahab杂货铺】后台回复【人工智障】获取
【推荐阅读】
除了画佩奇我们还要玩点更高级的
【LeetCode】贪心算法--划分字母区间（763）
机器学习实战--住房月租金预测（3）
