# HSAi

**Repository Path**: thatcool/HSAi

## Basic Information

- **Project Name**: HSAi
- **Description**: 炉石传说Ai，仅用于个人编程语言学习，请勿用于商业或其他不合规用途
- **Primary Language**: C#
- **License**: LGPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 47
- **Forks**: 12
- **Created**: 2021-04-25
- **Last Updated**: 2024-10-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

 **工具准备** 

VS 2019  : 用于编译代码，运行单元测试，条件断点，单步调试等。 

炉石传说官方插件： 复盘录像，截图牌面，方便可视化理解单元测试。

 **棋牌类Ai算法的通用框架是** 

1. 当前一共有哪些有效操作选择
考虑思考深度，不仅仅考虑本轮，考虑未来几回合之后，这就构成了一个庞大的牌面操作树。
树的节点是排名，连接是具体的执行操作。根节点是当前牌面，第一层节点是是本回合可能的操作后的牌面。 第二层节点是对方可能的操作后的牌面，第三层是己方。。  以此类推。
理论上，树如果足够深，是应该到分出输赢的程度，这样这棵树就是完备的，当前就可以做出完美的最优解。但常常受制于计算量过大，需要对树做剪枝，确保计算量可控。

2. 每个操作选择带来的牌面评估
AI算法核心就是：牌面打分函数，基于打分，选择当前最优操作
如果搜索树是完备的，当前牌面打分函数就应该是选择胜率最高的，当通常没法暴力搜索全部，所以需要用一些特征和规则来预测胜率，给出牌面评估和打分。

我很快遇到的问题就是：我怎么知道我修改的是对的，我的参数知道要向变大的方向调整，到底是变大1.5倍，2倍还是10倍？ 
为了改好这个场景，我调整了这个地方，会不会导致别的好场景失败了？（其实这都是通用的算法策略参数调试的问题）

也就是 **如何调试炉石AI策略和参数** ？

答案是构造单元测试用例，输入是一个牌面描述，输出当前打法，你看看是否吻合你的预期，每个这种单元测试都存下来，每次修改可以考虑相关用例都run一遍。

HSAi 主程序是AiTest.cs

 **代码逻辑** 

1.读入类似Test\Data目录的牌面信息文件（比如 eat415.txt），构造Playfield类

2.构造Ai类，请根据自己的策略，new出不同的Behavior子类。
  Ai ai = Ai.Instance;
  ai.botBase = new BehaviorSecMage();  //根据卡组选择合适的策略，此处为奥秘法子类

3.运行Ai类，计算最佳操作，记录进入Logg.txt
ai.autoTester(true, data, 2);// 0：全做 1:只斩杀 2：正常  有可能斩杀的场景请选0，不可能斩杀的场景请选择2，没看懂则请选0.

请在Logg.txt中查阅搜索树的每一层搜索的牌面情况，打分，以及动作，以及全局最优打法，看是否符合自己预期。

我的代码 新增了Test文件夹(AiTest.cs，测试样例所在目录），修改了上传的文件夹包括ai，behavior，以及DefaultRoutine里面几个文件

**运行办法**

1. 确保你的老代码在vs里面可以编译通过，并请备份你的老代码一份（避免覆盖后无法还原）。
2. 下载我的DefaultRoutine文件夹，替换覆盖你的同名文件夹。 注意：不要删除原文件夹，因为几个没修改的文件夹我没上传比如很占地的card，data等目录。
3. 如果你的策略和我的策略同名（比如你用的就是rush,奥秘法等），也就是你的策略被步骤2覆盖，需要在behavior里面，重新增加你的策略文件夹。如果你的策略没被覆盖，忽略此步骤。
4. 修改AiTest.cs中需要new的策略子类 确保AiTest.cs输入的测试样例文件路径，TestBase.cs中card读取路径正确。 如果填错了，运行会报错，很明显。
5. VS 编译，运行，去Data目录里面看运行结果 Logg.txt，一般几k到几m不等，拖到结尾，可以看到最优打法输出。

有任何问题，欢迎评论留言，欢迎提供有趣的场面和对应txt文件。


 **代码** 
注意代码里面策略是不完整的，仅为演示单元测试。
可参考的地方是：
1. 有个测试框架，可以打印非常详细的搜索树每层情况，方便理解搜索打分过程
调参调策略
2. 把策略代码尽量放入Behavior文件夹，特定卡组的卡牌使用也都用虚函数getComboPenality里实现，方便修改单一卡组策略。而非最初都很乱的放在ai文件夹PenalityManager里面。

Test\Data里面有我收集的10多个测试用例场景，txt和配图都有，欢迎大家尝试，如果所有用例能跑通，上传说没问题。


**参考资料**

感谢Chunk等一系列大佬前辈的博客内容，以上内容主要参考了Chunk的Ai Test代码，并修改符合个人体验和最新版本。


更多内容见主页Wiki