Question

我正在为类似国际象棋的游戏编写AI。该板为10x10，每侧15个所有国际象棋都有类似的举动。

游戏中的所有内容都以对象组织。瓷砖[] []瓷砖; 10x10，每个Tile都有一个指向一个片段的指针或null。

到目前为止，我已经实现了MinMax算法，但没有修剪。每轮可能的动作平均是国际象棋比赛的两倍。

算法有效，但速度很慢。平均而言，它可以检查 40000次/秒。所以深度为4，我的游戏使用大约4-5秒计算所有可能的动作。我将在稍后实施修剪，但可能需要首先对我的实施提出一些反馈。

问题：我是否必须转换为char-arrays / bit-board或类似的以加速计算还是我做错了什么？

实施：（sudo）为了避免大量双重for循环，我会跟踪myPieces和opponentPieces 在瓷砖列表中。董事会评估也进行一次，然后只进行更新并且只能通过添加和减去移动的值来更新。在我的minMax算法的实现中，我使用了一个GameState类持有当前的gameState。

GameState {
 Tile[][] board
 List<Tile> myPieces;
 List<Tile> otherPieces;
 int[][] evaluatedBoard
 int evaluatedValue
 Piece moveFrom, moveTo //used to save pointer when applying move
 int moveFromValue, moveToValue //used to save evaluationValue when applying move


 void applyMove(Tile from, Tile to)
 void undoMove(Tile from, Tile to)
 GameState createCopy()
}

ApplyMove仅更新evaluateValue而不会通过整个array.myPieces和otherPieces也会通过apply / undo更新。

MINMAX：

maxMove(GameState state, int depth) {
 for(Tile from : state.getMyPieces().clone()) { //list will be changed
   for(Tile to : from.getPiece().getPossibleMoves()) {
       if(depth == 0)
         //find best move and so forth
       else {
        state.applyMove(from, to);
        minMove(state.createCopy(), depth - 1) //similar to maxMove except it uses otherPieces
        state.undoMove(from, to)
       }
   }
 }
 //return best move
}

编辑：添加了有关applyMove和Profiler

的信息

Profiler:          instructions
applyMove()     3200ms  11 430 000 
undoMove()      1800ms  11 430 000
evaluateTile()  1400ms  22 400 000
minMove()       1700ms  315 493

applyMove和undoMove只存储/反向旧指针重视和取而代之的是新的此举。然后调用evaluateTile，它返回1-10的数字取决于枚举类型。

Answer 1

您选择的代表性会花费很多 - 您考虑的每一个举动都需要您复制很多州。我看待它的方式，你有两个选择：

（1）使你的状态表示非常小（在国际象棋中，你可以用64 x 4位，或.NET中的4个Int64），所以复制它非常便宜;或

（2）使用deltas使你的状态表示不可变，因此创建一个更新状态很便宜。

我先尝试选项（1），看看你是怎么做的。

这里有一些您可能会觉得有用的链接： http://en.wikipedia.org/wiki/Board_representation_(chess） http://www.cis.uab.edu/hyatt/boardrep.html

国际象棋AI：对象实现的MinMax

1 个答案: