簡(jiǎn)介棋類博弈是人工智能中經(jīng)典且易于上手的研究場(chǎng)景。從國(guó)際象棋到各類棋類變體博弈樹搜索與剪枝算法構(gòu)成了許多AI程序的核心。愛因斯坦棋是一種5×5小棋盤上的棋類變體規(guī)則簡(jiǎn)潔但戰(zhàn)術(shù)豐富非常適合作為棋類AI的入門實(shí)驗(yàn)場(chǎng)。圍繞這一棋盤可以用Python搭建一套完整可對(duì)弈的棋類引擎涵蓋走法生成、將軍判定、minimax搜索、alpha-beta剪枝、評(píng)估函數(shù)與迭代加深等關(guān)鍵技術(shù)。通過參數(shù)調(diào)優(yōu)與批量自我對(duì)弈驗(yàn)證開發(fā)者能夠快速掌握搜索算法在具體博弈項(xiàng)目中的工程落地方法并規(guī)避規(guī)則版本差異、棋子阻擋判斷、GUI線程卡死等常見陷阱。從簡(jiǎn)單棋類入手理解AI決策原理是通往更復(fù)雜棋類與強(qiáng)化學(xué)習(xí)路徑的務(wù)實(shí)起點(diǎn)。1. 愛因斯坦棋一個(gè)比國(guó)際象棋更容易上手的AI實(shí)驗(yàn)場(chǎng)如果你手上有一塊5x5的棋盤和雙方各5枚棋子別急著擺國(guó)際象棋——試試愛因斯坦棋。這個(gè)常被稱為“小國(guó)際象棋”的變體規(guī)則是每方擁有王、后、車、象、馬各一枚沒有兵也沒有升變30秒就能講完規(guī)則但搜索空間和戰(zhàn)術(shù)組合又足以讓AI程序忙一陣子。我最早接觸它是在給一個(gè)教學(xué)項(xiàng)目找棋類引擎時(shí)標(biāo)準(zhǔn)國(guó)際象棋的走法生成和評(píng)估太成熟拿來練手沒有挑戰(zhàn)而愛因斯坦棋足夠新沒有現(xiàn)成滿大街的開局庫(kù)反而適合把決策樹、剪枝、評(píng)估函數(shù)這些概念從頭跑一遍。這篇筆記會(huì)從規(guī)則說清楚給出一套Python實(shí)現(xiàn)再把AI搜索的調(diào)參經(jīng)驗(yàn)和你容易踩的坑一次性攤開。2. 愛因斯坦棋規(guī)則拆解為什么5x5棋盤是天然的AI測(cè)試床網(wǎng)上的愛因斯坦棋規(guī)則有不少版本有的用6x6棋盤有的加了兵和升變甚至還有人把它和“愛因斯坦謎題”混在一起。為了避免代碼對(duì)著一個(gè)永遠(yuǎn)跑不起來的黑匣子發(fā)呆我先把這套實(shí)現(xiàn)所采用的規(guī)則固定下來棋盤為5行5列雙方各持5枚棋子目標(biāo)是將死對(duì)方王。你可以在這個(gè)基礎(chǔ)上小幅調(diào)整后面我會(huì)明確指出哪個(gè)地方最容易受版本差異影響。2.1 棋盤、棋子與初始布局把物理規(guī)則變成數(shù)據(jù)字典棋盤坐標(biāo)用(row, col)表示白方初始在第0行黑方初始在第4行中間三行空置。雙方棋子從左到右分別是車、馬、象、后、王黑方從自己的視角看也是車、馬、象、后、王所以從鏡像角度看黑方的排列是王、后、象、馬、車。我把棋子的移動(dòng)能力先匯總成一張表方便后面寫方向向量時(shí)對(duì)照棋子數(shù)量走法距離越子王1橫豎斜八個(gè)方向1格否后1橫豎斜八個(gè)方向任意格否車1橫豎四個(gè)方向任意格否象1斜向四個(gè)方向任意格否馬1L形橫走2豎走1或相反1步是為什么把王和后都放在5格的行里因?yàn)?列剛好放滿5枚棋子沒有兵的位置也就沒有過路兵、升變、王車易位這些“邊角規(guī)則”。對(duì)于AI程序來說狀態(tài)空間比標(biāo)準(zhǔn)國(guó)際象棋小幾個(gè)數(shù)量級(jí)但棋子走法仍然有“阻擋”“僅馬可越子”的判定足夠練習(xí)走法生成器的健壯性。在代碼里我習(xí)慣用枚舉表示棋子類型而不是字符串因?yàn)槊杜e在debug時(shí)更直觀還能避免手寫字符大小寫帶來的混亂。下面這段是初始布局的最小表示# constants.py import enum WHITE, BLACK 0, 1 class Kind(enum.Enum): KING K QUEEN Q ROOK R BISHOP B KNIGHT N def empty_board(): return [[None for _ in range(5)] for _ in range(5)] def initial_board(): board empty_board() # 白方 row 0黑方 row 4 top [Kind.ROOK, Kind.KNIGHT, Kind.BISHOP, Kind.QUEEN, Kind.KING] bottom [Kind.KING, Kind.QUEEN, Kind.BISHOP, Kind.KNIGHT, Kind.ROOK] for c, kind in enumerate(top): board[0][c] kind for c, kind in enumerate(bottom): board[4][c] kind return board這里把board直接存Kind枚舉空位存None。這個(gè)版本的代碼只記錄棋子種類還沒記錄顏色真實(shí)引擎里必須額外用一個(gè)數(shù)組或把顏色編進(jìn)棋子類。我特意先展示這種“半成品”是想說明一個(gè)取舍棋盤只有25格用二維列表足夠快沒必要在入門階段上位棋盤bitboard。位棋盤在8x8棋盤上能大幅加速并行位運(yùn)算但在這里反而會(huì)增加調(diào)試成本尤其對(duì)于剛接觸棋類編程的人你會(huì)發(fā)現(xiàn)自己一整天都在算位掩碼。2.2 走法與勝負(fù)將軍、將死、還有“送將”違例大多數(shù)棋類走法生成都要分兩步走先生成“偽合法走法”再過濾掉會(huì)讓己方王被吃的走法。許多人一上來就寫遞歸生成器卻忘了送將檢查最后AI會(huì)走出把自己的王送到對(duì)方嘴里的棋那感覺就像看了半天棋譜發(fā)現(xiàn)第一步就是錯(cuò)的。偽合法走法指的是“按照棋子移動(dòng)規(guī)則走完不越界且不落到己方棋子上的走法”。它不管走完之后自己王是否處于被攻擊狀態(tài)。比如王從角落走到中心如果對(duì)方車正好控制這一行這個(gè)走法在偽合法階段會(huì)被放進(jìn)列表但在第二階段的合法性過濾時(shí)必須刪掉。過濾邏輯很簡(jiǎn)單模擬每一步然后調(diào)用將軍判定函數(shù)如果己方王在對(duì)手攻擊范圍內(nèi)該走法不合法。這一步會(huì)反復(fù)執(zhí)行所以將軍判定一定要寫得高效。判斷一個(gè)格子是否被某顏色棋子攻擊通常用反向掃描站在目標(biāo)格子上逆推是否有棋子能按自己的走法到達(dá)這里。棋盤小直接枚舉對(duì)手所有棋子的攻擊目標(biāo)也行。下面是一個(gè)更貼近代碼的思路def is_square_attacked(board, r, c, by_color): # 枚舉 by_color 的所有棋子檢查它們能否一步到達(dá) (r,c) # 注意馬不需要檢查中間阻擋車、象、后必須檢查路徑是否被堵 for each piece owned by by_color: if piece_can_reach(board, piece, r, c): return True return False將軍與將死的判定不能只用“能吃到王”來推。正確順序是先獲取當(dāng)前玩家的全部合法走法列表如果列表為空再檢查己方王是否正被攻擊——被攻擊就是將死否則就是無棋可動(dòng)。在國(guó)際象棋標(biāo)準(zhǔn)規(guī)則里無棋可動(dòng)判和棋但在愛因斯坦棋的某些流傳版本里無棋可動(dòng)直接判負(fù)。我建議在代碼里做成配置項(xiàng)因?yàn)槲乙娺^同一個(gè)項(xiàng)目里兩種寫法都有人用最后在判負(fù)判和上吵了三天。3. 用 Python 寫出可對(duì)弈的愛因斯坦棋走法生成與狀態(tài)管理現(xiàn)在進(jìn)入能跑的代碼。我采用一個(gè)自定義Piecedataclass來同時(shí)記錄種類和顏色比單純存枚舉更完整。棋盤狀態(tài)就用二維列表每格元素是Piece或None。這一章給出的代碼可以直接復(fù)用也可以作為你寫其他小型棋類引擎的骨架。3.1 棋盤類設(shè)計(jì)從格子坐標(biāo)到合法走法列表先定義基礎(chǔ)類和棋盤初始化from dataclasses import dataclass from enum import Enum class Kind(Enum): KING K QUEEN Q ROOK R BISHOP B KNIGHT N WHITE, BLACK 0, 1 dataclass(frozenTrue) class Piece: kind: Kind color: int def __str__(self): return self.kind.value if self.color WHITE else self.kind.value.lower() class EinsteinBoard: def __init__(self): self.board self._initial_board() self.turn WHITE self.state_stack [] # 悔棋/搜索用 def _initial_board(self): board [[None for _ in range(5)] for _ in range(5)] top [Kind.ROOK, Kind.KNIGHT, Kind.BISHOP, Kind.QUEEN, Kind.KING] bottom [Kind.KING, Kind.QUEEN, Kind.BISHOP, Kind.KNIGHT, Kind.ROOK] for c, kind in enumerate(top): board[0][c] Piece(kind, WHITE) for c, kind in enumerate(bottom): board[4][c] Piece(kind, BLACK) return boardPiece是frozen dataclass保證哈希和比較都可靠后面在走法集合里做去重很方便。state_stack用來配合悔棋和AI搜索時(shí)的狀態(tài)回退這個(gè)設(shè)計(jì)在3.2里會(huì)展開。核心的走法生成器按“方向向量最大步數(shù)”來組織。車、象、后能走任意格但中途遇到棋子就必須停馬直接跳到目標(biāo)格不受阻擋。我寫了一個(gè)_attacks_from函數(shù)它會(huì)返回一個(gè)棋子能到達(dá)的所有格子def _attacks_from(self, r, c): piece self.board[r][c] if piece is None: return [] vectors { Kind.KING: [(1,0,1),(-1,0,1),(0,1,1),(0,-1,1), (1,1,1),(1,-1,1),(-1,1,1),(-1,-1,1)], Kind.QUEEN: [(1,0,5),(-1,0,5),(0,1,5),(0,-1,5), (1,1,5),(1,-1,5),(-1,1,5),(-1,-1,5)], Kind.ROOK: [(1,0,5),(-1,0,5),(0,1,5),(0,-1,5)], Kind.BISHOP: [(1,1,5),(1,-1,5),(-1,1,5),(-1,-1,5)], Kind.KNIGHT: [(2,1,1),(2,-1,1),(-2,1,1),(-2,-1,1), (1,2,1),(1,-2,1),(-1,2,1),(-1,-2,1)], } result [] for dr, dc, max_step in vectors[piece.kind]: for step in range(1, max_step 1): nr, nc r dr * step, c dc * step if not (0 nr 5 and 0 nc 5): break target self.board[nr][nc] if target is None: result.append((nr, nc)) elif target.color ! piece.color: result.append((nr, nc)) break else: break return result這里有個(gè)細(xì)節(jié)馬的方向向量步長(zhǎng)為1但用了(2,1)這種二元組和max_step1的組合所以馬不會(huì)進(jìn)入“連續(xù)走多步”的路徑檢查。其他棋子的max_step設(shè)為5但棋盤只有5行所以range(1, 6)也會(huì)自然越界退出。這個(gè)實(shí)現(xiàn)簡(jiǎn)單缺點(diǎn)是每次都要重新構(gòu)造vectors字典如果你追求性能可以把這個(gè)字典提到類屬性或模塊常量里避免高頻搜索時(shí)反復(fù)分配。有了單子走法再匯總整個(gè)棋盤所有己方棋子的偽合法走法然后逐條模擬并過濾送將def get_legal_moves(self, color): pseudo [] for r in range(5): for c in range(5): piece self.board[r][c] if piece is None or piece.color ! color: continue for tr, tc in self._attacks_from(r, c): pseudo.append((r, c, tr, tc)) legal [] for move in pseudo: state self._snapshot() self._apply_move(*move) if not self.is_in_check(color): legal.append(move) self._restore(state) return legal_snapshot和_restore這對(duì)方法在3.2里實(shí)現(xiàn)作用是對(duì)整盤狀態(tài)做深拷貝。為什么要深拷貝因?yàn)槠灞P只有25格拷貝一次開銷極小而且能避免增量回退時(shí)的邊界錯(cuò)誤——比如你吃掉對(duì)方馬之后悔棋要恢復(fù)如果你不拷貝就得額外保存“吃掉的棋子是什么”邏輯容易漏。3.2 落子、吃子與悔棋狀態(tài)棧和“悔棋”按鈕的實(shí)現(xiàn)def _snapshot(self): import copy return (copy.deepcopy(self.board), self.turn) def _restore(self, state): self.board, self.turn state def _apply_move(self, r, c, tr, tc): self.board[tr][tc] self.board[r][c] self.board[r][c] None self.turn BLACK if self.turn WHITE else WHITE def push_move(self, move): self.state_stack.append(self._snapshot()) self._apply_move(*move) def undo(self): 悔棋回退到上一個(gè)狀態(tài)并取出棧頂狀態(tài)。 if self.state_stack: self.board, self.turn self.state_stack.pop() return True return Falsepush_move在落子前快照再落子。undo用于GUI里的“悔棋”按鈕也用于AI搜索時(shí)的回退。你可能會(huì)擔(dān)心深拷貝會(huì)讓搜索變慢但實(shí)測(cè)在5x5棋盤上一次deepcopy大約幾微秒一次alpha_beta搜索幾千個(gè)節(jié)點(diǎn)總耗時(shí)不過幾十毫秒完全可以接受。如果你以后要移植到C或要做更深的搜索再改成“保存被吃棋子起點(diǎn)”的增量回退不遲。有一點(diǎn)要提醒如果你在搜索循環(huán)里用push_move和undo每次進(jìn)入子節(jié)點(diǎn)都要_snapshot那棧會(huì)越積越大。正確做法是直接用_apply_move_restore不要經(jīng)過state_stack。所以我在3.1的走法過濾里用的是_snapshot和_restore而不是push_move。搜索時(shí)的回退應(yīng)該手動(dòng)保存舊狀態(tài)而不是依賴undo因?yàn)閡ndo面向的是人機(jī)對(duì)弈的“悔棋?！眱商讞２荒芑煊谩?.3 命令行對(duì)弈最小可玩版本跑起來既然有了棋盤和走法先用命令行跑一個(gè)能雙人對(duì)戰(zhàn)的版本。輸入格式是r c tr tc從起點(diǎn)到終點(diǎn)q退出def print_board(board): for r in range(5): row [] for c in range(5): p board.board[r][c] row.append(str(p) if p else .) print( .join(row)) def main(): b EinsteinBoard() while True: print_board(b) print(Turn:, White if b.turn WHITE else Black) moves b.get_legal_moves(b.turn) if not moves: print(No legal moves. Game over.) break cmd input(enter move: r c tr tc (q to quit): ) if cmd.strip().lower() q: break try: r, c, tr, tc map(int, cmd.split()) except ValueError: print(bad input) continue move (r, c, tr, tc) if move not in moves: print(illegal move) continue b.push_move(move) opponent BLACK if b.turn WHITE else WHITE if b.is_in_check(opponent): print(Check!)這個(gè)主循環(huán)沒有任何AI但它能幫你驗(yàn)證規(guī)則自己跟自己下幾盤檢查有沒有走法漏生成有沒有把無棋可動(dòng)判成將死。命令行版本是后面加AI的基礎(chǔ)不要跳過。4. 給愛因斯坦棋裝上大腦minimax 搜索與 alpha-beta 剪枝的參數(shù)調(diào)優(yōu)黑白棋、五子棋、國(guó)際象棋的AI思路在愛因斯坦棋上完全通用核心就是帶剪枝的深度優(yōu)先搜索。不要一上來就上強(qiáng)化學(xué)習(xí)因?yàn)閻垡蛩固蛊迨峭昝佬畔⒋_定狀態(tài)搜索樹小到能用經(jīng)典方法解沒必要讓一局棋的訓(xùn)練時(shí)間長(zhǎng)得像練一個(gè)深度網(wǎng)絡(luò)。4.1 先算復(fù)雜度為什么要剪枝而不是直接上強(qiáng)化學(xué)習(xí)我粗略統(tǒng)計(jì)過空棋盤中間位置的車大約能走8格象能走4格左右后能走8到10格馬最多8格王3格。平均每個(gè)棋子大約能走6到8步每方5個(gè)棋子分支因子B大約在10到15之間。這是可觀的。如果做4層深度搜索B15時(shí)未剪枝的葉子節(jié)點(diǎn)是15^450625非常輕松6層深度是15^6≈1130萬單層遍歷勉強(qiáng)能算但已經(jīng)不夠優(yōu)雅。alpha-beta剪枝在理想情況下能把復(fù)雜度從O(B^d)降到O(B^(d/2))也就是搜索同樣深度只需要大約sqrt(1130萬)≈3400個(gè)節(jié)點(diǎn)完全可以在毫秒級(jí)完成。因此先寫minimax和alpha-beta是你投入產(chǎn)出比最高的方案。那么強(qiáng)化學(xué)習(xí)呢它的價(jià)值在于棋類狀態(tài)特征復(fù)雜、評(píng)估函數(shù)難以手工設(shè)計(jì)或者你需要一個(gè)能從自我對(duì)弈中自動(dòng)學(xué)習(xí)評(píng)估的網(wǎng)絡(luò)。但愛因斯坦棋棋盤小、棋子少一個(gè)幾十行的評(píng)估函數(shù)已經(jīng)夠用強(qiáng)化學(xué)習(xí)要處理獎(jiǎng)勵(lì)稀疏、回合長(zhǎng)、對(duì)局?jǐn)?shù)量大這些工程問題不適合作為入門首選。4.2 最小可用的評(píng)估函數(shù)子力位置機(jī)動(dòng)性評(píng)估函數(shù)是AI風(fēng)格的“黑匣子”但我們可以先手工打開它。最簡(jiǎn)單的評(píng)估用子力價(jià)值后9分、車5分、象3分、馬3分、王10000分因?yàn)橥醣怀粤擞螒蚪Y(jié)束。在此基礎(chǔ)上給靠近中心的棋子加一點(diǎn)點(diǎn)位置分因?yàn)橹行目刂屏Ω鼜?qiáng)。代碼長(zhǎng)這樣PIECE_VALUES { Kind.KING: 10000, Kind.QUEEN: 9, Kind.ROOK: 5, Kind.BISHOP: 3, Kind.KNIGHT: 3, } POSITION_BONUS [ [0, 1, 2, 1, 0], [1, 2, 3, 2, 1], [2, 3, 4, 3, 2], [1, 2, 3, 2, 1], [0, 1, 2, 1, 0], ] def evaluate(board): score 0 for r in range(5): for c in range(5): p board.board[r][c] if p is None: continue bonus POSITION_BONUS[r][c] if p.color WHITE else POSITION_BONUS[4 - r][4 - c] value PIECE_VALUES[p.kind] bonus * 0.1 score value if p.color WHITE else -value return score if board.turn WHITE else -scorebonus * 0.1是為了讓位置分遠(yuǎn)小于一個(gè)兵的價(jià)值不至于出現(xiàn)“為了搶中心而白送一個(gè)馬”的蠢事。實(shí)際上這個(gè)0.1本身就是可以調(diào)的參數(shù)我建議在0.05到0.3之間實(shí)驗(yàn)。更大的系數(shù)會(huì)讓AI更激進(jìn)地?fù)屨贾行牡菀缀鲆曌恿Π踩C(jī)動(dòng)性評(píng)估沒有寫進(jìn)代碼因?yàn)橛?jì)算合法走法數(shù)量在搜索中已經(jīng)天然存在不需要額外統(tǒng)計(jì)。如果你發(fā)現(xiàn)AI總是走成僵局再考慮加上“己方合法走法數(shù)減去對(duì)方合法走法數(shù)”這一項(xiàng)。但記住評(píng)估函數(shù)不是越復(fù)雜越好加項(xiàng)越多越難調(diào)你先跑通0.1版再說。4.3 迭代加深與超時(shí)控制三個(gè)必調(diào)參數(shù)正式對(duì)弈時(shí)你不能只固定搜索深度因?yàn)椴煌置鎻?fù)雜度不一樣。常見做法是迭代加深從深度1開始逐步加深直到時(shí)間預(yù)算用完采用最近一次完整搜索的最佳走法。這樣你能精確控制在3秒內(nèi)返回一步棋而不是在最差局面里卡死。import time def alpha_beta(board, depth, alpha, beta, maximizing): moves board.get_legal_moves(board.turn) if depth 0 or not moves: return evaluate(board) if maximizing: value -float(inf) for move in moves: board._apply_move(*move) value max(value, alpha_beta(board, depth - 1, alpha, beta, False)) board._restore((board_copy_state, board.turn)) # 需要保存狀態(tài) alpha max(alpha, value) if alpha beta: break return value else: value float(inf) for move in moves: board._apply_move(*move) value min(value, alpha_beta(board, depth - 1, alpha, beta, True)) board._restore((board_copy_state, board.turn)) beta min(beta, value) if alpha beta: break return value上面這段代碼省略了_apply_move前后的狀態(tài)保存實(shí)際使用時(shí)你需要在每次進(jìn)入子節(jié)點(diǎn)前把board.board和board.turn存到臨時(shí)變量里。我在這里不展開完整搜索類因?yàn)樗蜆?biāo)準(zhǔn)國(guó)際象棋AI完全一致。關(guān)鍵是下面的迭代加深循環(huán)def iterative_deepening(board, time_budget2.0, max_depth6): deadline time.time() time_budget best_move None depth 1 while depth max_depth and time.time() deadline: # 每層先保存一個(gè)候選最佳走法層結(jié)束才更新 current_best None best_value -float(inf) for move in board.get_legal_moves(board.turn): board.push_move(move) value alpha_beta(board, depth - 1, -float(inf), float(inf), False) board.undo() if value best_value: best_value value current_best move if current_best is not None: best_move current_best depth 1 return best_move這里三個(gè)必調(diào)參數(shù)是參數(shù)推薦起點(diǎn)作用調(diào)整方向max_depth6硬性最大深度上限防止時(shí)間預(yù)算失效時(shí)無限加深想棋力更強(qiáng)就加到8但要配合更快的走法生成time_budget2.0秒每次落子的時(shí)間預(yù)算實(shí)時(shí)對(duì)戰(zhàn)設(shè)1秒分析模式可設(shè)5秒evaluation_coeff0.1位置分系數(shù)影響評(píng)估函數(shù)的激進(jìn)度0.05保穩(wěn)0.3冒險(xiǎn)吃中心迭代加深還有一個(gè)隱藏好處如果你實(shí)現(xiàn)了“上一步搜索的最佳走法在開局庫(kù)附近”它可以用在啟發(fā)排序里讓alpha-beta剪枝更容易觸發(fā)。不過在愛因斯坦棋上你先把這三個(gè)參數(shù)調(diào)好已經(jīng)能打敗絕大多數(shù)隨便下棋的人類玩家。5. 避坑指南愛因斯坦棋實(shí)現(xiàn)中的 5 個(gè)常見翻車現(xiàn)場(chǎng)這一章是血淚經(jīng)驗(yàn)。我確實(shí)在這些地方翻過車每次都要花至少一個(gè)晚上排查。按現(xiàn)象→原因→解決的方式寫希望你不用走回頭路。5.1 規(guī)則版本不同兵/升變引發(fā)的連鎖反應(yīng)現(xiàn)象從網(wǎng)上下載的“愛因斯坦棋”代碼開局第一排除了重子以外還有一排兵走幾步就報(bào)索引越界。原因愛因斯坦棋本身有多個(gè)變體有的版本是6x6棋盤加兵有的版本甚至允許兵升變。解決入手前先確認(rèn)規(guī)則版本。如果你手中的項(xiàng)目確實(shí)帶兵就在Kind里加PAWN并在_attacks_from里實(shí)現(xiàn)兵的單步前進(jìn)和斜吃同時(shí)處理升變。如果按我這套無兵規(guī)則遇到“對(duì)方底線出現(xiàn)第6個(gè)子”要直接報(bào)錯(cuò)防止靜默bug。5.2 重復(fù)局面與“無棋可動(dòng)”把和棋判成輸棋怎么辦現(xiàn)象AI走到只剩兩個(gè)王時(shí)程序提示“Game over”但明明合法走法沒了王也沒被將軍應(yīng)該是和棋。原因我在剛開始寫勝負(fù)判定時(shí)只檢查了legal_moves為空就判定對(duì)方贏了沒進(jìn)一步查王的攻擊狀態(tài)。解決把將死和無棋可動(dòng)分開。先判斷l(xiāng)en(legal_moves)0再用is_in_check檢查當(dāng)前玩家王是否被攻擊。無棋可動(dòng)默認(rèn)判和但保留一個(gè)STALEMATE_IS_LOSS開關(guān)應(yīng)對(duì)那些把“無棋可動(dòng)”當(dāng)輸棋的規(guī)則版本。5.3 馬能跳其他棋子不能穿人實(shí)現(xiàn)阻擋時(shí)的邊界錯(cuò)誤現(xiàn)象AI在殘局里經(jīng)常用車穿過自己的兵走到后方評(píng)估分看起來很高但按規(guī)則就是非法走法。原因_attacks_from里車、象、后沿方向逐格走但我的第一版沒有在碰到第一個(gè)棋子后break導(dǎo)致繼續(xù)掃描后方格子。馬則不需要檢查路徑所以馬的邏輯是獨(dú)立的。解決在偽合法走法生成時(shí)遇到第一個(gè)非空格就分支若是我方棋子停止若是對(duì)方棋子記錄格子并停止。馬的馬步直接跳過該檢查。一個(gè)快速自測(cè)是在5x5棋盤上把車圍在中心一圈棋子車應(yīng)該一個(gè)格都走不出去。5.4 GUI線程卡死遞歸搜索別放在渲染線程現(xiàn)象在Qt里點(diǎn)“AI下棋”按鈕后整個(gè)窗口變成“未響應(yīng)”點(diǎn)哪都沒反應(yīng)要等好幾秒才恢復(fù)。原因AI搜索的alpha_beta是同步遞歸主線程被占滿事件循環(huán)無法刷新。解決把搜索放到子線程用queue或者信號(hào)把結(jié)果傳回UI。更簡(jiǎn)單的做法是先用命令行版本驗(yàn)證AI再接GUI。我自己的習(xí)慣是讓AI計(jì)算線程每次只搜一個(gè)深度等迭代加深結(jié)束后回到主線程更新棋盤。如果不想引入多線程至少要在搜索循環(huán)中插入time.sleep(0)或QCoreApplication.processEvents()但這不是根治只是喘口氣。5.5 評(píng)估函數(shù)像玄學(xué)用自我對(duì)弈代替肉眼調(diào)參現(xiàn)象我把位置分系數(shù)從0.1改成0.3肉眼看了幾局覺得AI更兇了但和人下反倒輸多贏少。原因肉眼評(píng)估有巨大偏差位置分過高讓AI為了占中心狂送棋子。解決把兩個(gè)不同參數(shù)的AI放在一起自我對(duì)弈200局統(tǒng)計(jì)勝負(fù)和平局。勝率差異不到5%時(shí)基本可以認(rèn)為是噪聲跑滿200局再看通常能找到趨勢(shì)。不要只調(diào)一個(gè)參數(shù)就下結(jié)論至少要用固定對(duì)手和固定隨機(jī)種子跑批量對(duì)局。這也是我后來養(yǎng)成的習(xí)慣任何評(píng)估函數(shù)的改動(dòng)都要用--games參數(shù)跑批量測(cè)試不憑“感覺還不錯(cuò)”上線。6. 進(jìn)階玩法從“會(huì)下”到“下得好”的驗(yàn)證閉環(huán)現(xiàn)在你已經(jīng)有一個(gè)能下棋、能搜索、能悔棋的程序。想讓它更強(qiáng)不用急著換強(qiáng)化學(xué)習(xí)框架先把這三個(gè)進(jìn)階動(dòng)作做扎實(shí)。6.1 用自我對(duì)弈生成離線數(shù)據(jù)反哺評(píng)估函數(shù)把兩個(gè)不同評(píng)估參數(shù)的AI寫進(jìn)同一個(gè)腳本里讓它們自動(dòng)對(duì)弈200局記錄每局的走法序列、棋子被吃情況和最終結(jié)果。你不需要人工標(biāo)注因?yàn)閯儇?fù)天然就是標(biāo)簽。用這些對(duì)局可以回歸出“哪種子力比值更優(yōu)”的經(jīng)驗(yàn)值甚至可以訓(xùn)練一個(gè)簡(jiǎn)單的線性評(píng)估模型替代原來拍腦袋的PIECE_VALUES。6.2 做個(gè)開局庫(kù)前5步不再“天馬行空”棋盤這么小AI搜到第4層時(shí)已經(jīng)能穩(wěn)定判斷前幾步。但為了節(jié)省時(shí)間預(yù)算你可以用高深度AI離線生成前5步的最優(yōu)走法存成一個(gè)字典鍵是“棋盤狀態(tài)”值是好走法。對(duì)局時(shí)前5步直接查表把時(shí)間預(yù)算留給中殘局。我自己試過用8層搜索跑一晚上能覆蓋絕大多數(shù)前期變體線上AI前5步的思考時(shí)間直接降到0。6.3 驗(yàn)證方法讓兩個(gè)AI打一場(chǎng)用勝率和平均回合數(shù)說話不要再用“哪一步讓我感覺厲害”來驗(yàn)證。正確做法是用同一套引擎、不同參數(shù)跑200局記錄勝率、平均回合數(shù)、每步平均耗時(shí)。表格比感覺可靠得多版本勝率平均回合平均耗時(shí)v0.1 位置系數(shù)0.158%42.31.8sv0.2 位置系數(shù)0.342%38.71.9s這組數(shù)據(jù)一眼就能看出位置系數(shù)0.1更穩(wěn)。那怎么選我會(huì)把勝率作為第一指標(biāo)平均回合數(shù)作為調(diào)優(yōu)參考因?yàn)榭焖仝A棋不一定意味著棋力強(qiáng)。慢慢養(yǎng)成這個(gè)習(xí)慣后你會(huì)發(fā)現(xiàn)所謂“棋感”變成了可重復(fù)的實(shí)驗(yàn)而不是玄學(xué)。希望這套從規(guī)則到驗(yàn)證的流程能讓你在下一個(gè)棋類項(xiàng)目里少花幾個(gè)通宵。本文還有配套的精品資源點(diǎn)擊獲取