中国象棋人工智能实现

中国象棋在我看来最难的人工对战中电脑怎能走这个问题，以下为本人浅见，希望各位多多包涵！

1.初步尝试

电脑的优势在于强大的计算能力，虽然其不知道怎么走合适，但是它能够模拟的将每一种走法都走一遍，选最优的走法来走。我们的思路就有了，首先需要解决两个问题：

（1）怎么判断局面最优？

（2）怎么模拟走？

第一个问题可以用每一个棋子的重要程度来打分，比如将最重要，所以给1000分，而车次之给100分，炮80等等

第二个问题因为每一个中国象棋实现方式不同，所以我分享一下本人代码

电脑模拟走一步的代码：

mov Board::getbestmove()
{/** 1.获取所有可能走的步数* 2.试着走一下* 3.看看局面怎么样* 4.选择最好的走法*/QVector<mov> canstep;canstep = getallstep();int maxscore = -100000;mov ret;for(auto it = canstep.begin();it!=canstep.end();it++){mov step = *it;fakemove(step);             //模拟走一步int score = ctscore();        //计算局面分unfakemove(step);            //返回if(score>maxscore)            //计算最大的局面分{maxscore = score;ret.equal(step);}}qDebug()<<"get best move!!!";return ret;                        //得到最好走法
}

以上代码可以实现电脑模拟走一步的场景，但是缺点也显而易见。就是目光短浅，只考虑到自己走一步，并没有考虑到对手走的一步，例如：我要吃电脑车，它会看着我吃，它只是遍历了自己走一步局面分最大的走法，但是没有考虑我走一步会造成的影响。

2.电脑模拟走两步的走法

我们可以这样设计--在电脑走一步后考虑我再走一步的结果，就是模拟两步，比如轮到电脑走有n种走法，电脑走了一步人又有n种走法，在这n*n种选择中再选最有利的---也就是局面分最大的

如上图所示，电脑如果走了1分支，人有三种选择，局面分分别为30，40，70分，正常人都会走对电脑最不利的一步棋即30分，所以我们需要找到电脑走每一个分支下的最小值。

3.电脑走n步的走法

很容易知道，电脑多考虑一步计算量就多一个循环。但是理论上让电脑考虑n步算法是可以实现的，先贴代码：

mov Board::getbestmove()
{/** 1.获取所有可能走的步数* 2.试着走一下* 3.看看局面怎么样* 4.选择最好的走法*///qDebug()<<"begin to get best move!!!";QVector<mov> canstep;canstep = getallstep(0); //电脑走法qDebug()<<"allstep ==="<<canstep.count();int maxscore = -100000;mov ret;for(auto it = canstep.begin();it!=canstep.end();it++){mov step = *it;//qDebug()<<"origin pao position is---"<<weizhi[9];//qDebug()<<"chess "<<step.name<<" from "<<step.from<<" to "<<step.to;fakemove(step);int score = getminscore(level-1,maxscore);unfakemove(step);qDebug()<<"THE SCORE IS--"<<score;if(score>maxscore){maxscore = score;ret.equal(step);}}return ret;
}
int Board::getmaxscore(int level,int curminscore)
{if(level==0)return ctscore();QVector<mov> step;step = getallstep(0);   //获取人可以走的步数int maxscore = -100000;for(auto it = step.begin();it!=step.end();it++){mov mystep = *it;//qDebug()<<"chess "<<step.name<<" from "<<step.from<<" to "<<step.to;fakemove(mystep);int score = getminscore(level-1,maxscore);unfakemove(mystep);if(score>=curminscore)return score;//qDebug()<<"THE SCORE IS--"<<score;if(score>maxscore){maxscore = score;}}return maxscore;
}
int Board::getminscore(int level,int curmaxscore)
{if(level==0)return ctscore();QVector<mov> step;step = getallstep(1);   //获取人可以走的步数int minscore = 100000;for(auto it = step.begin();it!=step.end();it++){mov mystep = *it;//qDebug()<<"chess "<<step.name<<" from "<<step.from<<" to "<<step.to;fakemove(mystep);int score = getmaxscore(level-1,minscore);unfakemove(mystep);if(curmaxscore>=score)return score;//qDebug()<<"THE SCORE IS--"<<score;if(score<minscore)minscore = score;}return minscore;
}

我们首先设置一个level参数，表示需要电脑考虑几步，然后再用getminscore和getmaxscore递归调用，直到最后一层返回。

4.剪枝算法