このリポジトリはTicTacToeの派生です。
派生元のリポジトリはCで実装されています。また、AIの種類が異なり、NPCと対戦することができます。 このリポジトリの3目並べは結果確認のみです。

pythonでTicTacToeの必勝法を調査する。
必勝法である「ゲーム木の全探索」を、NegaMax法で実装したプレイヤーに対して、対戦結果を確認した。

• 同じアルゴリズムのプレイヤーと対戦
• ランダムに行動するプレイヤーと対戦

100回ずつ対戦し、勝ちなら1,負けなら0, 引分けなら0.5をカウントした。つまり、全勝なら100,全敗なら0,全部引分なら50になる。

.
├─── README.md
├─── main.py       # シミュレーション.  
├─── player_ai.py  # プレイヤー.指定したアルゴリズムで行動を決定.  
├─── statevalue.py # 指定したアルゴリズムで状態価値を決定.  
└─── tictactoe.py  # ゲームの状態のクラスStateを定義.  

Anaconda Prompt を推奨します。 ただし、Pythonが実行できる環境であれば、なんでも構いません。

1. Anacondaをインストール.
2. リリースからバージョンを選んでTicTacToe_pyをダウンロード.
3. Anaconda Prompt を実行
4. Promptに"python "と入力. (行末のスペースを忘れずに!)
5. ダウンロードしたTicTacToe_pyから、main.pyをAnaconda Promptにドラック&ドロップしてください.
6. Promptは以下のようになっているはずです。

   phtyon [パス]/main.py
   

   そのままEnterで実行できます.

• 布留川英一(2019) 『AlphaZero 深層学習・強化学習・探索 人工知能プログラミング実践入門』 ボーンデジタル.
  https://www.borndigital.co.jp/book/14383.html

• 八谷大岳, 杉山将(2008) 『強くなるロボティック・ゲームプレイヤーの作り方　プレミアムブックス版』株式会社マイナビ出版.
  https://book.mynavi.jp/supportsite/detail/9784839956738.html

• 伊藤 毅志 , 保木 邦仁 , 三宅 陽一郎 (2018)『ゲーム情報学概論- ゲームを切り拓く人工知能』 コロナ社.

MIT License