MuGo 源码逐行解读：从特征提取到蒙特卡洛树搜索

MuGo 源码逐行解读：从特征提取到蒙特卡洛树搜索

MuGo 是一个模仿 AlphaGo 的极简 Go（围棋）引擎，使用 Python 实现。本文将深入剖析 MuGo 的核心技术架构，从棋盘特征提取到蒙特卡洛树搜索（MCTS）的完整实现流程，帮助开发者理解 AI 围棋引擎的基本工作原理。

核心功能概述

MuGo 复刻了 AlphaGo 的核心逻辑，主要包含三大模块：

• 特征提取系统：将围棋棋盘状态转化为神经网络可理解的特征平面
• 策略网络：预测落子概率分布的神经网络模型
• 蒙特卡洛树搜索：结合策略网络进行高效搜索的决策系统

项目结构清晰，核心代码集中在以下文件：

• features.py：棋盘特征提取实现
• strategies.py：MCTS 和各类玩家策略
• policy.py：策略网络定义
• main.py：训练和推理入口

特征提取：将棋盘转化为数字信号

围棋 AI 的第一步是将复杂的棋盘状态转化为计算机可处理的数字特征。MuGo 采用了与 AlphaGo 类似的多平面特征表示方法，定义在 features.py 中。

核心特征平面

MuGo 提取的特征按重要性排序包括：

1. 棋子颜色特征（3 个平面）
   • 当前玩家棋子、对手棋子和空位的位置分布
   • 实现于 stone_color_feature 函数，通过独热编码区分三种状态
2. 常量平面（1 个平面）
   • 全 1 矩阵，帮助神经网络感知棋盘边界
   • 关键代码：ones_feature 函数返回全 1 数组
3. 气数特征（8 个平面）
   • 表示每个交叉点的气数（棋子的自由点数）
   • 通过 liberty_feature 函数实现，使用 make_onehot 进行独热编码
4. 最近落子特征（8 个平面）
   • 记录最近 8 步的落子位置
   • 实现于 recent_move_feature，使用时间衰减的方式编码历史信息
5. 捕获大小特征（8 个平面）
   • 预测落子后可捕获的对方棋子数量
   • 通过 would_capture_feature 计算潜在捕获收益

特征提取流程

特征提取的核心函数是 extract_features，它将上述特征平面串联成一个高维数组：

def extract_features(position, features=DEFAULT_FEATURES):
    return np.concatenate([feature(position) for feature in features], axis=2)

这段代码将多个特征平面在深度维度上拼接，形成形状为 (19, 19, N) 的输入张量（其中 N 为特征平面总数），作为策略网络的输入。

蒙特卡洛树搜索：AI 决策的核心引擎

MuGo 的决策系统基于蒙特卡洛树搜索（MCTS），完整实现位于 strategies.py。MCTS 通过模拟大量可能的棋局来评估落子质量，主要包含四个步骤：选择、扩展、评估和回溯。

MCTS 节点结构

MCTS 的基本单元是 MCTSNode 类，每个节点包含：

• Q 值：节点的平均价值估计
• U 值：探索 bonus（基于 PUCT 算法）
• N 值：节点访问次数
• 先验概率：来自策略网络的初始估值
• 子节点：可能的后续落子

核心代码片段：

class MCTSNode():
    def __init__(self, parent, move, prior):
        self.parent = parent  # 父节点指针
        self.move = move      # 导致当前节点的落子
        self.prior = prior    # 策略网络给出的先验概率
        self.children = {}    # 子节点字典
        self.Q = 0            # 平均价值
        self.U = prior        # 探索项
        self.N = 0            # 访问次数

搜索过程详解

MCTS 的搜索循环在 MCTS.suggest_move 方法中实现：

回溯阶段：将评估价值反向传播更新路径上所有节点的 Q 值和 U 值

def backup_value(self, value):
    self.N += 1
    self.Q = self.Q + (value - self.Q) / self.N
    self.U = c_PUCT * math.sqrt(self.parent.N) * self.prior / self.N
    self.parent.backup_value(-value)  # 反转价值（对手视角）

评估阶段：通过快速走子（rollout）评估当前节点价值

def estimate_value(self, root, chosen_leaf):
    # 通过策略网络模拟直到终局
    current = copy.deepcopy(leaf_position)
    while current.n < self.max_rollout_depth:
        move_probs = self.policy_network.run(current)
        current = self.play_valid_move(current, move_probs)
    return current.score() * perspective

扩展阶段：对叶子节点进行扩展，通过策略网络生成可能的落子及其概率

def expand(self, move_probabilities):
    self.children = {move: MCTSNode(self, move, prob) for move, prob in np.ndenumerate(move_probabilities)}
    self.children[None] = MCTSNode(self, None, 0)  # 添加 Pass 选项

选择阶段：从根节点开始，根据 action_score = Q + U 选择最优子节点，直到到达叶子节点

def select_leaf(self):
    current = self
    while current.is_expanded():
        current = max(current.children.values(), key=lambda node: node.action_score)
    return current

策略网络：从数据到决策

策略网络是 MuGo 的'大脑'，负责预测落子概率分布。虽然具体实现位于 policy.py，但其与 MCTS 的集成在 strategies.py 中体现。

网络推理流程

策略网络的推理过程在 PolicyNetworkBestMovePlayer.suggest_move 中实现：

def suggest_move(self, position):
    move_probabilities = self.policy_network.run(position)
    return select_most_likely(position, move_probabilities)

这段代码调用策略网络生成落子概率分布，然后选择概率最高的合法落子。

网络训练流程

根据 README.md，训练策略网络需要以下步骤：

模型评估：通过 GTP 协议与其他 AI 对战

python main.py gtp mcts --read-file=/tmp/savedmodel

模型训练：使用预处理数据训练策略网络

python main.py train processed_data/ --save-file=/tmp/savedmodel --epochs=10

数据准备：预处理 SGF 格式的棋谱

python main.py preprocess data/kgs-*

实战应用：如何运行 MuGo

环境准备

首先克隆项目仓库：

git clone [repository_url]
cd MuGo
pip install -r requirements.txt

基本使用流程

运行单元测试：

python -m unittest discover tests

与 AI 对战：

python main.py gtp mcts --read-file=models/policy.h5

训练策略网络：

python main.py train processed_data/ --save-file=models/policy.h5 --epochs=50

预处理棋谱数据：

python main.py preprocess path/to/sgf_files

项目特点与局限性

MuGo 作为 AlphaGo 的极简实现，具有以下特点：

优势：

• 代码简洁易懂，适合学习 AI 围棋基础原理
• 纯 Python 实现，易于部署和修改
• 完整的 MCTS 和策略网络集成

局限：

• 性能有限，不适合高水准对战
• 缺少 AlphaGo 的价值网络和强化学习模块
• 项目已停止维护（自 2017 年中起）

官方推荐后续学习可参考 TensorFlow Minigo 项目，这是 MuGo 工作的延续。

总结

MuGo 通过特征提取、策略网络和蒙特卡洛树搜索的有机结合，实现了一个简化版的 AlphaGo。其核心价值在于提供了一个可理解的 AI 围棋引擎实现，帮助开发者掌握深度学习与博弈论结合的关键技术。

通过阅读 features.py 和 strategies.py 的源代码，开发者可以深入理解：

• 如何将复杂的棋盘状态转化为神经网络输入
• MCTS 如何高效探索游戏树
• 策略网络如何引导搜索方向

对于希望入门 AI 博弈的开发者，MuGo 提供了一个理想的学习起点。