人机博弈-吃子棋游戏（四）搜索算法

浏览数：13 / 时间：2015年06月08日

博弈树搜索技术简介：

博弈树的搜索算法，负值极大搜索，alpha-beta搜索，渴望搜索，PVS极窄窗口搜索等。通常来说，搜索算法常常和以下技术联合在一起。

如下：

1.置换表，记录已经搜索过的棋局，避免再次搜索。

2.吃子启发，优先试下能够吃对方棋子的走法。

3.杀手启发，历史启发简化版。

4.历史启发，优先试下历史统计数据得出的比较好的走法。

5.静止期搜索，继续对某些叶子结点搜索，避免水平线效应。

6.迭代加深搜索，根据搜索时间，状态。决定是否继续搜索。

有兴趣的朋友可以深入研究一下上述技术和算法。

吃子棋搜索算法：

我的程序最初的实现使用的负值极大搜索算法，之后改用alpha-beta搜索算法，后来又使用PVS极窄窗口搜索算法。

在我自己的实现里没有使用置换表，历史启发等技术。是因为吃子棋每层的走法数相对较少，所以并没有使用。

但我们知道，这些技术可以很大的提高搜索效率。

吃子棋搜索算法源码：

接下来，看看吃子棋搜索算法的源代码：

负值极大算法

 1 int CNegaMaxEngine::negaMax(int depth)
 2 {
 3     int currentMaxScore = -20000;//init value mini
 4     int score;
 5     int nextMoveCount;
 6     int overNum = IsGameOver(CurPosition, depth);
 7     if (overNum != 0)return overNum;
 8     if (depth <= 0)
 9         return m_pEval->Eveluate(CurPosition, (m_nMaxDepth - depth ) % 2 );
10     nextMoveCount = m_pMG->CreatePossibleMove(CurPosition, depth, (m_nMaxDepth - depth) % 2);
11     for (int i = 0; i < nextMoveCount; i++)
12     {
13         MakeMove(&m_pMG->m_MoveList[depth][i], (m_nMaxDepth - depth) % 2);
14         score = -negaMax(depth-1);
15         UnMakeMove(&m_pMG->m_MoveList[depth][i]);
16         if (score>currentMaxScore)
17         {
18             currentMaxScore = score;
19             if (depth == m_nMaxDepth){
20             
21                 m_cmBestMove = m_pMG->m_MoveList[depth][i];
22             }
23         }
24     }
25     return currentMaxScore;
26 }

alpha-beta算法

int CAlphtBetaEngine::alphabeta(int depth,int alpha ,int beta)
{
    
    int score;
    int nextMoveCount;
    int overNum = IsGameOver(CurPosition, depth);
    
    if (overNum != 0)return overNum;

    int whoTurn = (m_nMaxDepth - depth) % 2;
    if (depth <= 0)
        return m_pEval->Eveluate(CurPosition, whoTurn);
    nextMoveCount = m_pMG->CreatePossibleMove(CurPosition, depth, whoTurn);
    for (int i = 0; i < nextMoveCount; i++)
    {
        MakeMove(&m_pMG->m_MoveList[depth][i], whoTurn);
        score = -alphabeta(depth - 1, -beta, -alpha);
        UnMakeMove(&m_pMG->m_MoveList[depth][i]);
        if (score>alpha)
        {
            alpha = score;
            if (depth == m_nMaxDepth){

                m_cmBestMove = m_pMG->m_MoveList[depth][i];
            }
        }
        if (alpha >= beta)break;
    }
    return alpha;
}

PVS算法：

 1 int CPVS_Engine::PrincipalVariation(int depth, int alpha, int beta)
 2 {
 3     int score;
 4     int Count, i;
 5     BYTE type;
 6     int best;
 7 
 8     i = IsGameOver(CurPosition, depth);
 9     if (i != 0)
10         return i;
11 
12     if (depth <= 0)    //叶子节点取估值
13         return m_pEval->Eveluate(CurPosition, false);
14 
15     Count = m_pMG->CreatePossibleMove(CurPosition, depth, (m_nMaxDepth - depth ) % 2);
16 
17 
18      MakeMove(&m_pMG->m_MoveList[depth][0], (m_nMaxDepth - depth ) % 2);
19     best = -PrincipalVariation(depth - 1, -beta, -alpha);
20     UnMakeMove(&m_pMG->m_MoveList[depth][0]);
21     if (depth == m_nMaxDepth)
22         m_cmBestMove = m_pMG->m_MoveList[depth][0];
23 
24     for (i = 1; i<Count; i++)
25     {
26 
27         if (best < beta)
28         {
29             if (best > alpha)
30                 alpha = best;
31             MakeMove(&m_pMG->m_MoveList[depth][i], (m_nMaxDepth - depth ) % 2);
32             score = -PrincipalVariation(depth - 1, -alpha - 1, -alpha);
33             if (score > alpha && score < beta)
34             {
35                 best = -PrincipalVariation(depth - 1, -beta, -score);
36                 if (depth == m_nMaxDepth)
37                     m_cmBestMove = m_pMG->m_MoveList[depth][i];
38             }
39             else if (score > best)
40             {
41                 best = score;
42                 if (depth == m_nMaxDepth)
43                     m_cmBestMove = m_pMG->m_MoveList[depth][i];
44             }
45             UnMakeMove(&m_pMG->m_MoveList[depth][i]);
46         }
47     }
48 
49     return best;
50 }