33,028
社区成员
发帖
与我相关
我的任务
分享谁能给个黑白棋的评估函数的算法
写了搜索算法以后，评估函数跟不上，还是太弱了，快没时间了，请帮忙给个评估函数（就当前局面），最好使用C或C++描述的
谢谢！
谢谢！
...全文
请发表友善的回复…
发表回复
dcyu 2004-01-27
- 打赏
- 举报
哪说的上是指点，偶的程序棋力有限的狠，你说的那么多我都没有考虑到程序中去，“防固定套路下死”原来是指随机化下子方法，那只要加些随机性就可以了，我想这不是问题的最关键的地方。
当时做黑白棋的时候还没有xp，所以没有测试，csdn有个yanwl的黑白棋是偶同学帮我改成win32的，你用那个下试试看。
估值动态是说，根据角的状态来估值，如果在中局可以吃到角，那角的价值就减半，可以去
寻求其他机会，毕竟已经是囊中之物。残局中边的利益成为关键，角不见得是必争的地方。
我所知道李开复也写过黑白棋，他是基于统计来进行棋型的识别，从而根据局面来下子，
那样已经不把某个局部的得失看得很重要，是大处着手，这种方法对偶来说太遥远了，统计
和棋型都是基于数据库的。
在我的程序中初局、中局、残局是根据当前下的子的数量来划分的，尽管不合理，
但写完后对最后的棋力没有影响。
wzebra太强了，仅用它来判定某个程序的棋力肯定不行，应该找很多黑白棋程序排个座次，
依位而定。不过wzebra有个bug，只要在走的时候悔过一两步，它的棋力会大减，甚至连人也下不过。
当时做黑白棋的时候还没有xp，所以没有测试，csdn有个yanwl的黑白棋是偶同学帮我改成win32的，你用那个下试试看。
估值动态是说，根据角的状态来估值，如果在中局可以吃到角，那角的价值就减半，可以去
寻求其他机会，毕竟已经是囊中之物。残局中边的利益成为关键，角不见得是必争的地方。
我所知道李开复也写过黑白棋，他是基于统计来进行棋型的识别，从而根据局面来下子，
那样已经不把某个局部的得失看得很重要，是大处着手，这种方法对偶来说太遥远了，统计
和棋型都是基于数据库的。
在我的程序中初局、中局、残局是根据当前下的子的数量来划分的，尽管不合理，
但写完后对最后的棋力没有影响。
wzebra太强了，仅用它来判定某个程序的棋力肯定不行，应该找很多黑白棋程序排个座次，
依位而定。不过wzebra有个bug，只要在走的时候悔过一两步，它的棋力会大减，甚至连人也下不过。
dcyu 2004-01-26
- 打赏
- 举报
呵呵，我当时没有想那么多，黑白棋确实博大精深，我用的可以说算是最基本的博弈算法。
太高深的自己没有去研究。程序写完后能下过自己就觉得很有成就感了。
偶最后的版本估值是动态，智能会稍高，除了估值，其实可以考虑的东西还有很多，初局和中局重要的是棋型和四角的利益，残局重要的是棋的数量。我个人觉得黑白棋是一个很机器化的游戏，“固定套路下死”的问题可以不用考虑太多，这是人下的思路。考虑后对棋力的提高可能没有其他方面好。
比较强的黑白棋确实可以想到10步以上，那是他们剪枝做的好，在参数选择上下了大工夫了，剪枝如果配合上数据库可能会很强。你可以试试剪枝的效果，时间会节省很多，自然深度就上去了，黑白棋深度比广度重要，你不必对所有的位置做广度优先计算，个人觉得应该从深度优先考虑。
我最早做黑白棋是在01年，当时我见到的黑白棋程序还不多，我在csdn上发表后，有两个人写信给我说他们也做了黑白棋，我和他们的程序对战后败了，呵呵。现在网上黑白棋程序可多了，你也可以找一些来下下看。
太高深的自己没有去研究。程序写完后能下过自己就觉得很有成就感了。
偶最后的版本估值是动态，智能会稍高，除了估值，其实可以考虑的东西还有很多，初局和中局重要的是棋型和四角的利益，残局重要的是棋的数量。我个人觉得黑白棋是一个很机器化的游戏，“固定套路下死”的问题可以不用考虑太多，这是人下的思路。考虑后对棋力的提高可能没有其他方面好。
比较强的黑白棋确实可以想到10步以上，那是他们剪枝做的好，在参数选择上下了大工夫了，剪枝如果配合上数据库可能会很强。你可以试试剪枝的效果，时间会节省很多，自然深度就上去了，黑白棋深度比广度重要，你不必对所有的位置做广度优先计算，个人觉得应该从深度优先考虑。
我最早做黑白棋是在01年，当时我见到的黑白棋程序还不多，我在csdn上发表后，有两个人写信给我说他们也做了黑白棋，我和他们的程序对战后败了，呵呵。现在网上黑白棋程序可多了，你也可以找一些来下下看。
CD2006 2004-01-26
- 打赏
- 举报
小弟确知行动力一说，但如何将其量化？是否一味限制对方行动力，增强己方行动力？这样能赢？恳请指点
bopengbopeng 2004-01-26
- 打赏
- 举报
评估函数靠棋盘表是绝对不够的，行动力好多了，但也不够。
bopengbopeng 2004-01-26
- 打赏
- 举报
想判断自己的程序棋力，跟wzebra下吧
http://www.nada.kth.se/~gunnar/download.html
http://www.nada.kth.se/~gunnar/download.html
CD2006 2004-01-26
- 打赏
- 举报
另外，阁下的软件download后，在windows xp下没法用？
dcyu 2004-01-25
- 打赏
- 举报
恩，我没有用剪枝，所以会比较慢。
当时剪枝算法还没有想清楚就急忙发布了，现在也没再做下去。
当时剪枝算法还没有想清楚就急忙发布了，现在也没再做下去。
theoldman 2004-01-25
- 打赏
- 举报
dcyu(Dd) 是黑白棋我下过（在其个人主页上下载的），还可以，但当难度为7或8级时，电脑思考的时间是不是过长了。只是个人看法。
dcyu 2004-01-25
- 打赏
- 举报
静态估值：
角900,内角-600,其他0，
深度搜索6步，广度搜索8步，残局穷举。
这已经就足够强了。
再加上alpha-beta剪枝优化速度，就差不多了。
http://www.csdn.net/cnshare/soft/12/12266.shtm
角900,内角-600,其他0，
深度搜索6步，广度搜索8步，残局穷举。
这已经就足够强了。
再加上alpha-beta剪枝优化速度，就差不多了。
http://www.csdn.net/cnshare/soft/12/12266.shtm
CD2006 2004-01-25
- 打赏
- 举报
其实，你的AI强不强，拿到yahoo 游戏厅 在线跟别人对抗一下，就知道了，黑白棋博大精深，我过去就自不量力的测试过，对棋盘上所有可能位置都深度搜索到6步，且告诉了一些经验给电脑，结果还是惨败而归，胜率很低，要想赢黑白高手，这种个位数的预测，是不行的，而且对于“防固定套路下死”问题楼上的 一星少将 可有想过？ 有何高见？
dcyu 2004-01-25
- 打赏
- 举报
我觉得那个静态估值还算比较准确，如果可以根据棋面状况动态估值会更好些。
Nowcan写的一个也不错，level高的时候也会挺慢的。
Nowcan写的一个也不错，level高的时候也会挺慢的。
CD2006 2004-01-24
- 打赏
- 举报
这是本人很早写的一个被本人称做Alpha Thinker 的黑白棋AI Engine 。既然是Alpha 版
当然有点弱，可容忍状态是六步，偶当时没有时间，这一版并未用到Alpha-Beta 剪枝算法，不然可预测到更深的程度，而且并未融合“防定势下死”技术，这些东西我不想多说，相信楼主明白处理方法，说实话，这一版只是一个基础，（所有原代码也未给出，只给了核心数据结构和估值函数）能给楼主一点启发，我也心满意足了！
我更希望各路高手能不吝赐教，给我宝贵指点。 谢谢！！
当然有点弱，可容忍状态是六步，偶当时没有时间，这一版并未用到Alpha-Beta 剪枝算法，不然可预测到更深的程度，而且并未融合“防定势下死”技术，这些东西我不想多说，相信楼主明白处理方法，说实话，这一版只是一个基础，（所有原代码也未给出，只给了核心数据结构和估值函数）能给楼主一点启发，我也心满意足了！
我更希望各路高手能不吝赐教，给我宝贵指点。 谢谢！！
CD2006 2004-01-24
- 打赏
- 举报
偶将内核写成了一个Othello类，将一系列的运算和操作封装在此类中，具体定义如下：
typedef struct MapInfo
{
int color;
int state;
} MapInfo;
typedef struct Direction
{
int x;
int y;
} Direction;
class Othello
{
private:
bool InBoundary(int x,int y); // 判断坐标（x,y）是否在棋盘边界内
void Copy(MapInfo map[9][9],MapInfo aim[9][9]); //拷贝棋盘
void tricks(int x,int y,int & goal); //经验加分函数
public:
int step; //已下步数记录
int MAX_SEARCH_STEP; //搜索的最大深度
MapInfo map[9][9]; //棋盘信息
Direction dir[9]; //方向数组
Othello(int status=1); //构造函数
bool WhetherCanGo(int who); //判断当前人是否有棋可走
bool Coordinates_Legal(int x,int y,int who); //判断当前人输入的坐标是否合法
void Modify_States(int x,int y); //改变棋盘状态
void Modify_Colors(int x,int y,int who); //改变棋盘颜色
int benefit(int who,int x,int y); //计算当前人在(x,y)坐标落子后，吃对方棋子数
int tryit(int who,int depth); //估值函数
void Init(int status = 1); //重新初始化函数
};
2． Alpha Thinker© 人工智能函数的具体算法：
int Othello::tryit(int who,int depth)
// 本函数计算当前人who的最高综合利益得分并返回其值
// who ：当前人： COMPUTER=1；CHALLENGER=-1;
//depth ：当前还剩下的，需搜索的博弈树层数
{
int i,j,
best_x=0,best_y=0, //记录最大利益点的坐标
max_goal=0, //记录最大利益
goal,counterpart;
counterpart=who*(-1); // 根据当前者，确定对方
Copy(map,backup.map); // 备份棋盘
if (depth==0)
return 0; //已达最大深度，退出博弈树遍历
for(i=1;i<=8;i++)
for(j=1;j<=8;j++)
if (map[i][j].state==1) // 找出有可能的落子点
{
goal=benefit(who,i,j); //计算该点可吃对方棋子数
if(goal) //goal==0 表示当前人不可落子于此点
{ // goal！=0 表示当前人可落子于此点
Modify_States(i,j); // 在当前点试落一子
goal-=tryit(counterpart,depth-1); //递归计算综合利益
tricks(i,j,goal); //根据人为经验，对特殊点加分
if (best_x==0 || max_goal<goal)
{
best_x=i;
best_y=j;
max_goal=goal; //保存最大利益点和最大利益
}
}
Copy(backup.map,map); //恢复棋盘；
}
if (depth==MAX_SEARCH_STEP) // MAX_SEARCH_STEP 最大搜索深度
{ // 当depth==最大搜索深度，则在此点真正落子
Modify_Colors(best_x,best_y,COMPUTER);
Modify_States(best_x,best_y);
step++;
}
return max_goal; //返回最大利益值
}
typedef struct MapInfo
{
int color;
int state;
} MapInfo;
typedef struct Direction
{
int x;
int y;
} Direction;
class Othello
{
private:
bool InBoundary(int x,int y); // 判断坐标（x,y）是否在棋盘边界内
void Copy(MapInfo map[9][9],MapInfo aim[9][9]); //拷贝棋盘
void tricks(int x,int y,int & goal); //经验加分函数
public:
int step; //已下步数记录
int MAX_SEARCH_STEP; //搜索的最大深度
MapInfo map[9][9]; //棋盘信息
Direction dir[9]; //方向数组
Othello(int status=1); //构造函数
bool WhetherCanGo(int who); //判断当前人是否有棋可走
bool Coordinates_Legal(int x,int y,int who); //判断当前人输入的坐标是否合法
void Modify_States(int x,int y); //改变棋盘状态
void Modify_Colors(int x,int y,int who); //改变棋盘颜色
int benefit(int who,int x,int y); //计算当前人在(x,y)坐标落子后，吃对方棋子数
int tryit(int who,int depth); //估值函数
void Init(int status = 1); //重新初始化函数
};
2． Alpha Thinker© 人工智能函数的具体算法：
int Othello::tryit(int who,int depth)
// 本函数计算当前人who的最高综合利益得分并返回其值
// who ：当前人： COMPUTER=1；CHALLENGER=-1;
//depth ：当前还剩下的，需搜索的博弈树层数
{
int i,j,
best_x=0,best_y=0, //记录最大利益点的坐标
max_goal=0, //记录最大利益
goal,counterpart;
counterpart=who*(-1); // 根据当前者，确定对方
Copy(map,backup.map); // 备份棋盘
if (depth==0)
return 0; //已达最大深度，退出博弈树遍历
for(i=1;i<=8;i++)
for(j=1;j<=8;j++)
if (map[i][j].state==1) // 找出有可能的落子点
{
goal=benefit(who,i,j); //计算该点可吃对方棋子数
if(goal) //goal==0 表示当前人不可落子于此点
{ // goal！=0 表示当前人可落子于此点
Modify_States(i,j); // 在当前点试落一子
goal-=tryit(counterpart,depth-1); //递归计算综合利益
tricks(i,j,goal); //根据人为经验，对特殊点加分
if (best_x==0 || max_goal<goal)
{
best_x=i;
best_y=j;
max_goal=goal; //保存最大利益点和最大利益
}
}
Copy(backup.map,map); //恢复棋盘；
}
if (depth==MAX_SEARCH_STEP) // MAX_SEARCH_STEP 最大搜索深度
{ // 当depth==最大搜索深度，则在此点真正落子
Modify_Colors(best_x,best_y,COMPUTER);
Modify_States(best_x,best_y);
step++;
}
return max_goal; //返回最大利益值
}
nkfish 2004-01-09
- 打赏
- 举报
没有答案怎么结帖啊
nkfish 2003-12-31
- 打赏
- 举报
程序当然有，但很多没源代码，有代码的又不强
ZhangYv 2003-12-31
- 打赏
- 举报
哦，黑白棋和五子棋我都不会下，所以不能给出什么局面评价函数。不过黑白棋的难度比五子棋更低，现在人基本上是无法胜电脑的，GOOGLE吧应该有程序。
ZhangYv 2003-12-31
- 打赏
- 举报
哦，黑白棋和五子棋我都不会下，所以不能给出什么局面评价函数。不过黑白棋的难度比五子棋更低，现在人基本上是无法胜电脑的，GOOGLE吧应该有程序。
ZhangYv 2003-12-31
- 打赏
- 举报
哦，黑白棋和五子棋我都不会下，所以不能给出什么局面评价函数。不过黑白棋的难度比五子棋更低，现在人基本上是无法胜电脑的，GOOGLE吧应该有程序。
nkfish 2003-12-30
- 打赏
- 举报
受到了，我给你回信了，你发给我的是五子棋的，我说的是黑白棋，但还是非常感谢！
ZhangYv 2003-12-30
- 打赏
- 举报
什么？我前2天就发给你了，没收到？
加载更多回复（6）
