AI算法，包括五子棋数独拼图，后期可能会有象棋等。wuziqi.zip

时隔多年，重启象棋ai算法 本人纯自学，未受过任何专业算法训练，很多东西皆可能不入流，还请见谅 象棋算法ai分析 1，算法通识 象棋算法同其他棋类一样，主要由搜索，盘面估计，最终决策组成。 对于盘面估计，如果一个盘面估计函数能最准确的估计盘面，那么搜索不需要层数，仅仅遍历一层就可以得出结果。 对于搜索，搜索的下一层应该仅仅展开值得搜索的分支，而值得搜索的分支又是盘面估计函数分数最高的分支。 对于决策，显然训练盘面估计函数的决策应该是搜索层数最可能深的决策，而对于已经训练的模型而言，显然取盘面估计函数最高分的决策。 2，设计算法 基于以上认知，可以一开始使用简单估计函数作为对手，当盘面估计与简单估计函数对弈，每一局的结果反向传递回到盘面估计函数 直到盘面估计函数总是优于简单估计函数是，我们将对手换成函数本身。对弈过程中，总是使用分数作为权，权转为为概率，用概率代替搜索算法的决策 而其反向传导的所有盘面作为训练数据，对局结果的盘面当前分数加减1作为盘面分数。 算法按照搜索的概率直接走棋很容易出现循环走棋，而不能结束搜索导致无法训练数据，其搜索算法必须避免循环走棋，可以在概率上适当增大分数差异，提交高分被选概率。 3，模型估计 象棋盘面共90个点，每个点一共15个值（0 和 正负种类棋子），所以算法深度不应该超过90层，单层节点不应该超过2^15点， 模型不超过90个点作为输入，只有一个输出 4，编码设计 O1：棋盘类，棋盘数据，棋盘数组正则化 O2：搜索类，权转换概率: O3：算法模型 软件设计思路日志 0619：对于象棋，很显然，如果给每个字取个编号，一共32号，90个点取一个编号，一共90个位置，一副棋盘就变成32个点了，即一共64个整数，然后如果32个棋子总是按照1-32排列，那么数据就会变成32个整数的排列，而且取值只能在0-90之间，故原棋盘数据将会压缩成32个byte数据。 (对于走子策略，由于搜索总是消耗大量计算，搜索结果也可以用模型记录，模型的输出如果可以包含下一步走子和走子概率将可以进一步加强搜索深度，使得搜索与模型相辅相成，故模型的输出表达走子和走之后盘面分数。再看搜索结果，应该是一个子和点，所以模型将输出三个数据整数，一个表示子，一个表示移动的点，一个表示移动到这里的盘面分数，模型总是输出10个这样的结果。模型将输出10*3。损失函数应该是，最高位权最大，向量不同则固定高额损失，盘面分数不同则低损失。 然而其损失函数不好计算，忽略) 对于模型最简单的，总是计算盘面分，然后用搜索的深层的盘面分代替当前盘面分，这样模型就可以一直优化下去。输入盘面，用深层搜索后的盘面分代指标签，用盘面分结果差值代指损失，不断更新盘面分模型。 设计次模型时，可以先用五子棋来替代，尝试训练算法。 --------------------------------- 旧版声明 五子棋核心算法包括： 深度搜索。当前层数5层（电脑上7层，手机cpu太慢） Alpha-Beta剪枝。 点分启发。 估值函数优化为计算搜索的影响分。 数独核心算法：回溯法，数据结构模拟人思考 采用队列可能值等方法减少可能回溯的次数。 搜索最大节点数不超过2的7次 速度非常快，解为所有解 拼图核心算法：A*算法 f由实际代价*系数+估值距离*系数+逆序数*系数组成。 加入逆序数系数，比普通A*算法效率高出4倍。