pasky/pachi

解决的问题

Pachi 提供了一个模块化框架和高强度的 Go（围棋/바둑）游戏引擎，允许用户通过结合传统搜索算法和现代深度学习技术，与计算机对弈、分析棋局并探索变化。

工作原理

该引擎使用 UCT（上限置信区间应用于树）引擎，将蒙特卡洛树搜索（MCTS）与 RAVE（快速动作价值估计）方法结合用于树策略。它采用 Moggy 的走子策略，利用 3x3 模式和战术检查进行半随机模拟。为进一步增强走法选择，Pachi 还利用 MM 模式和深度卷积神经网络（DCNN）作为策略网络，特别在根节点引导搜索。

适用人群

专为希望获得强力对手用于练习的各类水平围棋玩家，以及对模块化游戏 AI 框架感兴趣的开发者设计。兼容 GTP（Go 文本协议）接口，如 GoGui、Sabaki 和 Lizzie。

特色亮点

• 混合 AI 方法：结合 MCTS、RAVE 和深度学习（DCNN）实现强力对弈。
• 灵活的硬件支持：可在 Raspberry Pi 等低性能硬件或高性能集群上运行。
• 分析工具：通过兼容的前端支持最佳着法和胜率估算的可视化。
• 模块化框架：作为模块化系统构建，可用于开发和优化围棋程序。