[发明专利]中国象棋基于多重优化、迭代加深剪枝的搜索方法

说明书

本发明公开了中国象棋基于多重优化、迭代加深剪枝的搜索方法，该方法是在传统的Alpha‑Beta剪枝搜索算法的基础上叠加了一系列优化搜索的方法，极大地提升了传统Alpha‑Beta算法的剪枝效率和搜索准确率。包括：（1）设计的迭代加深搜索技术可充分利用计算资源，增大剪枝几率；（2）加入开局库使系统在棋局的一开始便具有了专业的走棋风格；（3）构建状态机搜索机制，优化了各方法的执行顺序，使机器的思考更加具有条理性；（4）得到的优秀走法记录到历史表中使系统具备较强的学习能力。本发明算法与优化机制保证人工智能（Artificial Intelligent，AI）算法能智能地进行人机对战，且资源空间占用小，操作简单便捷，是一种具备高效AI算法的轻量级的人工智能中国象棋搜索方法。

技术领域

本发明涉及中国象棋基于多重优化、迭代加深剪枝的搜索方法，属于Alpha-Beta剪枝搜索技术领域。

背景技术

计算机诞生的同时也孕育了人工智能技术的产生，而人工智能技术最初就是从象棋程序当中实践摸索而来的，因此谈到人工智能技术，必然会让人想到象棋。智能象棋便作为了人们研究人工智能的重要载体，其研究价值不亚于生物界的果蝇，而如何使得象棋系统更加智能化、高效化便是人们研究的目标。目前智能的中国象棋系统在下棋过程中往往反应较慢，而且传统的搜索算法效率较低，耗费资源量大，无法高效的给出棋子的下子走法，急需一种高效的轻量级搜索算法来提升系统的处理效率。

Alpha-Beta算法，是常用的博弈类搜索算法，主要通过是Alpha剪枝和Beta剪枝对博弈树进行搜索。根据上一层已经得到的当前最优结果，决定目前的搜索是否要继续下去。这种算法具有实现容易、精度高等优点，但该算法严重依赖于走法的寻找顺序。如果你总是先去搜索最坏的着法，那么Beta截断就不会发生，因此该算法就如同最小-最大一样，效率非常低，最终可能会找遍整个博弈树。综上，设计一种基于Alpha-Beta剪枝搜索算法，利用位棋盘表示，开局库、历史表、置换表优化搜索算法等技术的人工智能中国象棋搜索方法，是当前我们需要解决的问题。

发明内容

本发明所要解决的技术问题是：提供中国象棋基于多重优化、迭代加深剪枝的搜索方法，克服了传统Alpha-Beta剪枝搜索算法的缺点，具有搜索效果好、反应速度快、成本低、易扩展等特点。

本发明为解决上述技术问题采用以下技术方案：

中国象棋基于多重优化、迭代加深剪枝的搜索方法，包括如下步骤：

步骤1，针对当前局面，清空置换表、杀手走法表以及历史表，初始化控制落子时间的计时器；

步骤2，搜索对局开始前设置的开局库，若在开局库中搜索到当前局面的对应走法，则根据搜索结果进行落子，并结束搜索；否则进入下一步；

步骤3，根据象棋规则得出当前局面的所有走法，并判断走法是否唯一，若唯一，则按照唯一走法进行落子，并结束搜索；否则进入下一步；

步骤4，设定迭代加深搜索的水平线i＝1，极限深度为32，从深度1到深度i进行迭代加深搜索；

步骤5，将搜索时遇到的Beta截断或者Alpha截断的局面校验码、深度、标志、分值、走法记录在置换表中；搜索置换表，若在置换表中找到当前局面，判断深度是否和当前深度一致，若一致，则采用置换表中的走法虚拟落子形成新的局面，转步骤8，否则进入下一步；

步骤6，将当前深度对应的所有走法中最优秀的两个走法作为杀手走法并记录在杀手走法表中，判断当前深度对应的杀手走法是否有效，若有效则采用杀手走法虚拟落子，转步骤8，否则进入下一步；

步骤7，对当前局面生成所有的走法，排除掉置换表中的走法和杀手走法，按照历史表中的分值对剩余走法进行排序，按照排序第一的走法进行虚拟落子，进入下一步；