棋类人机对战的一般原理

    下棋的程序，主要难点在“人机对战”，也就是机器有多聪明，下棋水平(AI)高不高。 不同的棋类，棋盘、棋子、规则都各不相同。但制作人机大战的思路有许多共同的特点。

1.局面估值 根据当前的棋局和“轮到谁走下一步棋”对当前局面进行估算，得到一个或少数几个整数（小数也无防）。一般是4个整数合成（加法）一个整数，这4个整数是: 我攻+我防+敌攻+敌防。即对自己有利的 避开对自己有害的 避开对敌人有利的 对敌人有害的。(感谢咙想酒甜  446828992)

2.搜索
2.1 单步搜索。根据当前棋局，算出我方最可能下的一步棋几种情况，然后计算每一种可能下子后的局面估值，哪个局势对我方最有利就下哪一步。
2.2 多步搜索。在内存中演绎（模拟）我方走一步（记为第1步），敌方走一步（记为第2步），我方再走一步（记为第3步）……模拟n步后，每一步都取对己方（有时我是己方，有时敌是己方）最有利的一步，最终算出第1步应该走哪步。
搜索往往是核心，计算量非常大，所以一般很难搜得深。为了加速搜索速度，会引入许多剪枝算法，常用的是Alpha-Beta剪枝。

3.开局库 游戏开始就使用开局库，如果局面命中开局库，就按库来走子，省掉了大量搜索，开局库往往是经验的积累，好的开局库能很大的提高棋力（棋力也叫博弈软件的AI水平）

4.残局库 残局库通常收录的是必胜的棋局，只要命中（可能为全局命中或局部命中，具体情况具体分析）照着走就能胜出。对有些棋类可能残局库难以适用。

5.开局、搜索、残局的关系 开局使用开局库，直到超出库的范围。然后每次都搜索残局库（性能优化方面再依具体情况而定），命中则按残局库走，未命中则搜索。

6.学习功能 学习功能主要是对残局库、开局库的丰富，但也可以用在局面估值参数的调优。
6.1残局库的丰富 （前面说了残局库的每一个都是必胜局面）
    如果当前从当前局面出发总能进入残局库，则当前局面为必胜局面，添加入残局库。实时添加。
6.2开局库的丰富
    通过事后以大量的数据进行分析，统计出超出开局库后的第1步（仅1步）的多种不同走法的胜败概率，从而将胜率较高的一步添加入开局库。非实时添加。

 6.3 局面估值参数的调优
     在对参数进行调整前后，两个软件对战1000局，根据结果决定是否采纳新的参数。参数多时，有必要设计一套调整算法，只要有时间就让机器跑，跑得多了参数也就趋于最优。理论上是这样的。

严格来讲6.2和6.3不算学习功能，不管算不算学习功能，它们都是很有意义的。

 

如果需要对软件的棋力分档设置（如初级、中级、高级），简单的做法是设置搜索的深度，初级搜得浅，高级深。

由于搜索是一棵树，每一个节点都可能有许多子节点，这棵树的节点很多，所以需要优化，一般的优化是剪枝，也往往会使用多种技术综合进行剪枝，所以出现了搜索相同的深度，不同的棋局所需要的时间大不相同。考虑到玩家的等候时间不宜过长，所以需要在搜索的同时控制时间。个人认为让用户等6秒到10秒，还是比较正常的，两个人的下棋，也差不多是这个时间。当然有时需要的时间极短。

让两个软件相互PK，对AI的改进有重大的作用。需要对两个软件进行对接，从代码对接（两份代码融为一份，类似双核CPU），耦合性太高，通用性太低。从界面对接，耦合性和通用性中等，操作繁琐，通信效率低（想象一下，PK1000局所花的时间）。理想的情况是网络对接。需要一套公共的协议，然后只要实现了该协议的任何2个软件就可以进行PK。

 

本文根据聊天记录整理，主要是当作自己的笔录。当然也欢迎各位朋友评论和指正。