国际象棋棋盘评估中如何解释棋步顺序

Question

我正在使用在固定深度工作的alpha-beta修剪算法对Chess AI进行编程。我相当惊讶地看到，通过将AI设置为更高的深度，它玩得更糟。但我认为我想通了为什么会这样。

它目前是这样工作的：所有的职位都被列出来了，对于每个职位，其他的职位都会被列出来，以此类推。。。直到达到固定深度：通过检查存在哪些工件，并为每种工件类型设置一个值来评估电路板。然后，使用带有alpha-beta的minimax算法将值冒泡到根。但我需要解释一下搬家的顺序。例如，有两个选项，一个是两步将死，另一个是七步将死，然后必须选择第一个选项。同样的道理也适用于三步或六步中的皇后。但因为我只在最深的节点上评估棋盘，并且我只检查棋盘作为评估结果，所以它不知道之前的动作是什么。

我相信有更好的方法来评估游戏，它可以解释碎片在搜索中移动的方式。

编辑：我弄明白了为什么它玩得很奇怪。当我搜索移动（深度5）时，它以AI移动（最大节点级别）结束。通过这样做，它计算了一些动作，比如用一辆车带走一名骑士，即使这会让后者变得脆弱（算法无法看到它，因为它不会搜索得更深）。所以我改变了它，把深度设置为6，所以它以最小节点级别结束。它的举动现在更有意义了，因为它在受到攻击时实际上是在报复（它有时没有这样做，而是采取了愚蠢的举动）。

然而，它现在比以往任何时候都更具防守性，并且不再打球：它移动自己的骑士，然后将其移回原来的位置，因此，它最终输了。我的评估非常标准，只有片段的存在对节点值很重要，所以它可以自由选择它想要的策略，而不必强迫它做它不需要做的事情。因此，这是我的算法的正常行为吗？这是我的alpha-beta算法执行得不好的迹象，还是使用这种评估函数完全正常？

Answer 1

为了让程序选择最短的校对，标准方法是给更接近根的配对一个更高的值。当然，您必须检测校对，并给它们一些分数。

此外，根据你的描述，你需要一个安静的搜索。

所有这些（以及更多）都在国际象棋编程维基中进行了解释。你应该看看：https://chessprogramming.wikispaces.com/Checkmate#MateScore https://chessprogramming.wikispaces.com/Quiescence搜索

Answer 2

如果你想选择最短的获胜路径，你可能也想选择最长的失败路径。如果你想在评估函数中考虑这一点，你必须将路径长度与分数一起考虑，并为最小值和最大值分别设置评估函数。这是一个非常复杂和令人困惑的开销。

解决这个问题的标准方法是采用迭代深化方法进行评估。首先，你搜索所有玩家的1步，然后再次运行整个搜索，为每个玩家搜索2步，以此类推，直到时间用完。如果你在2步中找到一个胜利，你就停止搜索，你永远不会遇到7步的情况。这也解决了你搜索奇怪深度和得到奇怪评估的问题。它还有很多其他的好处，比如当你的时间用完的时候，总是有一个移动准备就绪，以及一些重要的算法改进，因为你不需要跟踪访问状态的开销。

至于防守打法，那就是一点点地平线效应和一点点评估函数。如果你有一个完美的评估函数，算法只需要看到一招深。如果它不完美（也不完美），那么你需要深入得多的搜索。上次我检查过，可以在你的笔记本电脑上运行并看到大约8层深（一个层是每个玩家1步）的算法可以与强大的人类竞争。