Game 1A2B - C++ Neural Network Edition

这是一个使用纯 C++ 开发的经典 1A2B (猜数字) 游戏，其最大的亮点在于内置了一个从零开始搭建的神经网络（Neural Network）。该 AI 能够通过自我对弈进行学习，并在游戏过程中为你提供逻辑建议。

🚀 项目特性

• 纯 C++ 实现：不依赖任何第三方 AI 框架（如 PyTorch 或 TensorFlow），完全手写矩阵运算、反向传播和激活函数。
• 自研神经网络引擎：
  • 架构：全连接多层感知机 (210 -> 128 -> 40)。
  • 激活函数：隐藏层使用 Leaky ReLU，输出层使用 Categorical Softmax。
  • 学习算法：支持标准的反向传播 (Backpropagation) 与梯度下降。
• 高性能计算：
  • 内存优化：采用一维连续内存布局（Memory Flattening），最大化 CPU 缓存命中率。
  • 多核加速：利用 OpenMP 并行化矩阵运算，大幅提升训练速度。
• 持久化进化：支持模型参数的保存 (model.txt) 与加载，AI 的“智慧”可以跨会话累积。
• 交互式 AI 助手：在游戏输入 h 即可调用 AI 自动进行逻辑推理并给出最优猜测。

🛠️ 构建指南

环境要求

• 支持 C++17 的编译器（如 GCC, Clang）
• CMake (3.10+)
• OpenMP (可选，用于加速)

编译步骤

mkdir -p build && cd build
cmake ..
cmake --build .

🎮 游戏规则

1. 系统随机生成 4 个不重复的数字（0-9）。
2. 玩家输入 4 个数字进行猜测：
   • A 代表数字正确且位置正确。
   • B 代表数字正确但位置错误。
3. 目标：得到 4A0B。

操作指令

• [4位数字]：提交你的猜测（如 1234）。
• h：调用 AI 助手。AI 会分析当前所有历史线索，自动填入它认为概率最高的组合。
• r：重新开始游戏（AI 也会清空当前局的短时记忆）。
• q：退出游戏并保存 AI 模型。

🧠 AI 学习原理

1. 输入编码 (Feature Engineering)

AI 观察最近 5 轮的对局历史。每轮包含：

• 40 维：猜测数字的 One-hot 编码。
• 2 维：该次猜测得到的 A 和 B 的归一化结果。 总计 210 维 的浮点向量作为神经网络输入。

2. 输出解码

输出层为 40 维，分为 4 组（对应 4 个位置）。每组 10 个神经元通过 Softmax 给出该位置出现数字 0-9 的概率分布。

3. 训练逻辑 (trainAI)

项目采用“自监督模拟实战”：

• AI 在后台进行数万局虚拟对弈。
• 每一回合，AI 尝试根据现有线索预测答案。
• 系统根据真实答案纠正 AI，通过反向传播微调数万个权重参数。
• 增量学习：即使在玩家进行游戏时，AI 也会在每局结束后学习玩家的成功经验。

📂 项目结构

├── AI/
│   ├── Matrix.h/cpp          # 基础矩阵引擎（带多核并行）
│   └── NeuralNetwork.h/cpp    # 神经网络核心、反向传播、Softmax
├── src/
│   ├── Game.h/cpp            # 游戏主逻辑、训练循环
│   ├── Result.h/cpp          # 1A2B 结果计算
│   └── main.cpp              # 程序入口
└── CMakeLists.txt            # 构建配置文件

📈 进阶建议

如果你希望 AI 变得更聪明：

1. 启动时输入更高的训练轮数（如 50000）。
2. 在 AI/NeuralNetwork.h 中尝试调整 learning_rate。
3. 保持 model.txt 不被删除，AI 将会随着你的每一次对局不断进化。