一種機(jī)器博弈的亞馬遜棋ai算法
【專利摘要】一種機(jī)器博弈的亞馬遜棋AI算法包括搜索算法和估計(jì)算法；其中，搜索算法將生成的可行招法排序，最大可能的將能引發(fā)剪枝或能得到較好效果的招法：通過為每一個(gè)效果賦值以判定招法的好壞，排在前面；搜索算法還體現(xiàn)在不同階段采用不同策略：搜索深度越小的層次，生成的招法會(huì)被裁剪的越??；而在較深的層次需要展開全招法，即不對招法進(jìn)行裁剪；估值算法通過加入?yún)^(qū)域占領(lǐng)參數(shù)occupy，使對占領(lǐng)格子的判斷更準(zhǔn)確；在不同階段采用不同估值參數(shù)，基于步數(shù)判斷棋局進(jìn)行到了哪個(gè)程度，再?zèng)Q定使用哪種參數(shù)，再根據(jù)局面對估值參數(shù)進(jìn)行動(dòng)態(tài)調(diào)整；此外，還采用優(yōu)化的多線程：使共享資源盡量少以及使各線程間有互斥地共享有價(jià)值的資源。
【專利說明】
-種機(jī)器博弈的亞馬遜棋AI算法
技術(shù)領(lǐng)域
[0001] 本發(fā)明主要設(shè)及捜索算法、多線程運(yùn)用W及估值函數(shù)，尤其設(shè)及一種機(jī)器博弈的 亞馬遜棋AI算法，屬于人工智能博弈、捜索算法、估值算法領(lǐng)域。
【背景技術(shù)】
[0002] 1.機(jī)器博弈
[0003] 計(jì)算機(jī)博弈(也稱機(jī)器博弈），是一個(gè)挑戰(zhàn)無窮、生機(jī)勃勃的研究領(lǐng)域，是人工智能 領(lǐng)域的重要研究方向，是機(jī)器智能、兵棋推演、智能決策系統(tǒng)等人工智能領(lǐng)域的重要科研基 礎(chǔ)。機(jī)器博弈被認(rèn)為是人工智能領(lǐng)域最具挑戰(zhàn)性的研究方向之一。國際象棋的計(jì)算機(jī)博弈 已經(jīng)有了很長的歷史，并且經(jīng)歷了一場波欄壯闊的"搏殺"，"深藍(lán)"計(jì)算機(jī)的勝利也給人類 留下了難W忘懷的記憶。時(shí)至今日，每年仍有很多不同棋類的人機(jī)對戰(zhàn)W及機(jī)器間博弈在 包括中國的世界各地定期舉行。我們研究的亞馬遜棋作為國內(nèi)計(jì)算機(jī)博弈錦標(biāo)賽W及國際 計(jì)算機(jī)博弈競賽(ICGA)的重要比賽項(xiàng)目已有多年的競賽積累，兩項(xiàng)比賽的冠軍亦在不斷地 更迭中不斷進(jìn)步。
[0004] 亞馬遜棋（Game of the Amazons)，是由阿根廷人Walter Zamkauska在 1988年推 出的兩人棋類，是奧林匹亞電腦游戲程式競賽的比賽指定棋類-。
[0005] 由于局面過于復(fù)雜，僅第一步就有兩千屯百多種走法，故該棋類多不用于人類之 間比賽，而是用于計(jì)算機(jī)博弈相關(guān)方面的比賽與研究。
[0006] 10*10方格棋盤。
[0007] 每方各4枚棋子，W黑白兩色區(qū)分?jǐn)澄?，稱為亞馬遜(Amazons) ;92枚棋子雙方共 用，稱為箭(Arrows)。
[000引初始布置后，雙方輪流動(dòng)一己子，方向可朝縱橫斜八方，距離無限制至空棋位，中 途不得有子。在移動(dòng)至目標(biāo)棋位后，從該棋位檢視其可移動(dòng)范圍，然后在運(yùn)范圍的任一空格 放置一枚箭。箭放定后，就不得移動(dòng)或移除。
[0009] 直至一方無法行棋則輸?shù)舸擞螒颉?br>[0010] 2.AlphaBe1:a 剪枝算法
[0011 ] AlphaBeta剪枝算法(AlphaBeta pruning algorithm)是一個(gè)捜索算法旨在減少 在其捜索樹中，被極大極小(Minimax)算法評估的節(jié)點(diǎn)數(shù)。運(yùn)是一個(gè)常用人機(jī)游戲?qū)沟膾?索算法。它的基本思想是根據(jù)上一層已經(jīng)得到的當(dāng)前最優(yōu)結(jié)果，決定目前的捜索是否要繼 續(xù)下去。AlphaBe化剪枝算法是對Minimax方法的優(yōu)化，它們產(chǎn)生的結(jié)果是完全相同的，只不 過運(yùn)行效率不一樣。AlphaBeta剪枝算法的前提假設(shè)與Minimax也是一樣的，具體體現(xiàn)在如 下Ξ方面：
[0012] 1)雙方都按自己認(rèn)為的最佳著法行棋；
[0013] 2)對給定的盤面用一個(gè)分值來評估，運(yùn)個(gè)評估值永遠(yuǎn)是從一方(捜索程序)來評價(jià) 的，己方有利時(shí)給一個(gè)正數(shù)，對方有利時(shí)給一個(gè)負(fù)數(shù)；當(dāng)紅方走棋時(shí)，如果紅方有利時(shí)返回 正數(shù)，當(dāng)輪到黑方走棋時(shí)，評估值又轉(zhuǎn)換到黑方的觀點(diǎn)，如果認(rèn)為黑方有利，也返回正數(shù)；
[0014] 3) -般來說分值大的數(shù)表示對己方有利，而對于對方來說，它會(huì)選擇分值小的著 法。
[0015] AlphaBeta算法嚴(yán)重依賴于著法的尋找順序，若總是先去捜索最壞的著法，那么 Beta截?cái)嗑筒粫?huì)發(fā)生，即AlphaBeta算法最終會(huì)找遍整個(gè)捜索樹，就像最小最大算法一樣， 效率非常低。
[0016] 若程序總是能挑最好的著法來首先捜索，那么數(shù)學(xué)上有效分枝因子就接近于實(shí)際 分枝因子的平方根，運(yùn)是A1地aBeta算法可能達(dá)到的最好的情況。
[0017] 3.多線程技術(shù)
[0018]多線程(multithreading)是指從軟件或者硬件上實(shí)現(xiàn)多個(gè)線程并發(fā)執(zhí)行的技術(shù)。 具有多線程能力的計(jì)算機(jī)因有硬件支持而能夠在同一時(shí)間執(zhí)行多于一個(gè)線程，進(jìn)而提升整 體處理性能。在一個(gè)程序中，運(yùn)些獨(dú)立運(yùn)行的程序片段叫"線程"（化read)，利用它編程的概 念就叫做"多線程"或"多線程處理"（Multit虹eading processing)。
[0019] 4.估值函數(shù)
[0020] 估值函數(shù)用于估計(jì)一個(gè)局面的效果(正值表示對我方有利，越大越好，負(fù)值相反）， 估值函數(shù)是A1地aBeta算法不可或缺的重要部分，估值函數(shù)的好壞一方面決定了剪枝效率， 另一方面也決定了最終招法的優(yōu)劣程度。
[0021] 針對亞馬遜棋捜索算法的研究，經(jīng)過資料檢索，大約有如下幾類：
[0022] a)東北大學(xué)張柳在2010年發(fā)表的"題目為基于極大極小捜索算法的亞馬遜棋博弈 系統(tǒng)的研究"的學(xué)位論文中，利用經(jīng)典的AlphaBeta算法、納什均衡原理W及基于棋子位置 的估值函數(shù)設(shè)計(jì)了一個(gè)亞馬遜棋的博弈程序。但是該程序的捜索效率依然較低。而且估值 函數(shù)較簡單，雖然可節(jié)省時(shí)間，但是其獲得的估值不能準(zhǔn)確反映招法的真實(shí)價(jià)值。
[0023] b)在Julien Kloetzer等人發(fā)表于Computer Games Workshop 2007論壇上的題目 為"The Monte-Carlo Approach in Amazons"的論文中，他們利用機(jī)器博弈領(lǐng)域另一經(jīng)典 算法，蒙特卡洛算法設(shè)計(jì)實(shí)現(xiàn)了一個(gè)亞馬遜棋博弈程序。同樣的，雖然采用了不同的算法， 其捜索效率并沒有得到顯著提升;且相對于A1地aBeta算法，采用uct算法的程序中對估值 函數(shù)難于掌握，不易編寫一個(gè)適應(yīng)捜索深度變化的估值函數(shù)，即估值的效果不穩(wěn)定。
[0024] 其次，針對亞馬遜棋估值函數(shù)的研究，經(jīng)過資料檢索，除上述論文外，還有W下運(yùn) 種主流估值：
[00巧]C)在Jens Lieberum發(fā)表于Theoretical Computer Science ,Vol. ：349,No. 2的題 目為''An evaluation function for the game of amazons"的論文中，采用了基于領(lǐng)地和 位置的估值，并引入了靈活度的概念。該估值算法具有一定準(zhǔn)確性，但該算法對占領(lǐng)格子與 被棋子圍堵的情況考慮不到位，導(dǎo)致與對方搶占地盤時(shí)容易失利，或出現(xiàn)被對方圍堵在較 小范圍內(nèi)的不利局面;并且該算法對棋子的影響范圍的估計(jì)不到位，容易出現(xiàn)某棋子被孤 立，形成W-敵多的局面。
[0026] 本申請致力于克服上述效率較低及估值不準(zhǔn)確的問題，旨在提出更高效率的捜索 算法，W及更準(zhǔn)確的用于亞馬遜棋博弈的估值函數(shù)。

【發(fā)明內(nèi)容】

[0027] 本發(fā)明的目的是克服現(xiàn)有捜索算法捜索效率較低、估值不準(zhǔn)確、估值效果不穩(wěn)定、 W及對占領(lǐng)格子與棋子圍堵情況考慮不周的問題，提出了一種機(jī)器博弈的亞馬遜棋AI算 法。
[0028] -種機(jī)器博弈的亞馬遜棋AI算法包括捜索算法和估值算法兩方面；
[0029] 其中，捜索算法方面，將生成的可行招法排序，最大可能的將能引發(fā)剪枝或能得到 較好效果的招法，具體的，通過為每一個(gè)效果賦值W判定招法的好壞，排在前面;捜索算法 還體現(xiàn)在不同階段采用不同策略:在捜索未到達(dá)最底層時(shí)，生成的招法會(huì)被裁剪;而當(dāng)捜索 到達(dá)最底層時(shí)需要展開全招法，即不對招法進(jìn)行裁剪；
[0030] 估值算法方面，一方面，通過加入?yún)^(qū)域占領(lǐng)參數(shù)occupy,使對占領(lǐng)格子的判斷更準(zhǔn) 確；另一方面，在不同階段采用不同估值參數(shù)，基于步數(shù)判斷棋局進(jìn)行到了哪個(gè)程度，再?zèng)Q 定使用哪種參數(shù)，再根據(jù)局面對估值參數(shù)進(jìn)行動(dòng)態(tài)調(diào)整；
[0031] 此外，捜索算法中還采用優(yōu)化的多線程:一方面使共享資源盡量少，W防止等待資 源消耗的時(shí)間；另一方面，使各線程間有互斥地共享有價(jià)值的資源，從而提升AlphaBeta算 法的效率;具體優(yōu)化參數(shù)主要包括全局變量A1地aB，MultiThread函數(shù)中變量i，將變量best 引入AlphaBe化函數(shù)，W及改進(jìn)AlphaBe化算法中對返回和更新be化值的機(jī)制；
[0032] 另外，在A1地aBeta的最底層采用更新排序，其它層采用估值排序；
[0033] -種機(jī)器博弈的亞馬遜棋AI算法，主要設(shè)及如下函數(shù)：
[0034]
[0035]
[0036] -種機(jī)器博弈的亞馬遜棋AI算法，具體步驟如下：
[0037] 步驟一、聲明全局變量并初始化下棋步數(shù)為0;
[0038] 具體的，步驟一中聲明的全局變量主要如下：
[0039] 1.1聲明A1地aB用于記錄多線程中綜合的最好估值；
[0040] 1.2聲明maxdepth定義捜索深度；
[0041 ] 1.3聲明MOVEi記錄各線程各自的最好招法的編號；
[0042] 1.4聲明BestMove記錄全局的最好招法；
[0043] 1.5聲明qstep和kstep用于估值函數(shù)；
[0044] 1.6聲明51';
[0045] 1.7聲明to化ITime記錄一盤棋開始到目前的總用時(shí)；
[0046] 1.8聲明movestack用于存儲(chǔ)招法，moves1:ack又稱招法找；
[0047] 其中，qstep的含義為四個(gè)棋子中沿單一方向連續(xù)行進(jìn)到達(dá)的某一格子所需的最 少步數(shù)；
[004引kstep的含義為四個(gè)棋子中方向任意地單步行進(jìn)到達(dá)的某一格子所需的最少步 數(shù);ST的含義為記錄最頂層捜索到了第幾個(gè)招法；
[0049]步驟二、捜索并選擇可用的招法，又具體包括如下步驟：
[0化0] 步驟2.1調(diào)用入口函數(shù)sea;rch_a_goo血ove;
[0051 ] 步驟2.2在函數(shù)36曰'油_曰_邑00(11]10￥6中初始化部分全局變量:其中所述的部分全局 變量主要包括全局變量AlphaB;
[0化2] 所述的A1地aB初始值為-INF;
[0053] 步驟2.3根據(jù)下棋步數(shù)得出捜索深度值Μ;
[0054] 具體步驟為：
[0055] 步驟2.3.1當(dāng)步數(shù)step小于Κ1，則捜索深度值Μ為4;
[0056] 步驟2.3.2當(dāng)步數(shù)step大于等于Κ1小于Κ2，則捜索深度值Μ為5;
[0057] 步驟2.3.3當(dāng)步數(shù)step大于等于Κ2，則捜索深度值Μ為6;
[005引其中，優(yōu)選的Κ1為32,也可W是大于20小于38的整數(shù)；
[0059] 其中，優(yōu)選的Κ2為48,也可W是大于30小于60的整數(shù)；
[0060] 步驟2.4調(diào)用^日日1日1〇￥日_日￥日1生成招法；
[0061 ] 步驟2.5對生成的每一個(gè)招法調(diào)用Evaluate函數(shù)，并對所有招法調(diào)用Evaluate函 數(shù)的返回值進(jìn)行排序；
[0062] 步驟2.6根據(jù)步數(shù)和對步驟2.5調(diào)用createMove_eval生成的招法進(jìn)行裁剪，具體 為：
[00創(chuàng) 2.6.1當(dāng)步數(shù)step小于K3且招法數(shù)大于K4，則保留排序在前K4的招法；
[0064] 2.6.2當(dāng)步數(shù)step大于等于K3且招法數(shù)大于K5,則保留排序在前K5的招法；
[0065] 其中，優(yōu)選的K3為32,也可W是大于6小于36的整數(shù)；
[0066] 其中，優(yōu)選的K4為300,也可W是大于200小于400的整數(shù)；
[0067] 其中，優(yōu)選的K5為400,也可W是大于300小于500的整數(shù)；
[0068] 步驟2.7當(dāng)總用時(shí)to化ITime超過14分鐘，則將捜索深度值Μ設(shè)為4;
[0069] 步驟2.8調(diào)用Mu 11 i Τ虹ead函數(shù)啟動(dòng)多線程；
[0070] 步驟2.9等待直至步驟2.7的所有線程運(yùn)行結(jié)束，刪除多線程并返回；
[0071] 步驟Ξ、調(diào)用createMove生成可行招法，將滿足條件的招法連同估值一起存入招 法找返回：
[0072] 所述的滿足條件是所產(chǎn)生的招法落子點(diǎn)或落障礙處，至少有一點(diǎn)滿足五步W內(nèi)有 對方棋子；
[0073] 具體的，步驟Ξ的執(zhí)行過程包括：
[0074] 步驟3.1對本方四個(gè)棋子中的每一個(gè)棋子做如下3.11和3.12兩個(gè)操作，得出一個(gè) 可行招法；
[0075] 3.11從棋子出發(fā)遍歷上下左右四個(gè)方向，再遍歷每個(gè)方向上最多10個(gè)可行步，找 到符合落子的格子，再遍歷所有符合落子的格子，對每一格子執(zhí)行3.12;
[0076] 3.12從每一可落子的格子出發(fā)，遍歷上下左右四個(gè)方向，再遍歷每個(gè)方向上最多 10個(gè)可行步，找到可W設(shè)置障礙的格子；
[0077] 步驟3.2根據(jù)步驟3.1得出的可行招法分別做如下四類操作：
[0078] 步驟3.2.1調(diào)用createMove得到可行招法后直接存入招法找，繼續(xù)捜索其他招法； [00巧]步驟3.2.2調(diào)用。的日*日1〇乂日_日乂日1執(zhí)行招法，調(diào)用估值函數(shù)，得到執(zhí)行招法后的估 值(可認(rèn)為即為該招法的估值），將估值和招法都存入招法找；
[0080] 步驟3.2.3調(diào)用createMove_select在產(chǎn)生招法后先對招法進(jìn)行檢查，是否滿足如 下條件：
[0081] 所產(chǎn)生的招法落子點(diǎn)或落障礙處，至少有一點(diǎn)滿足五步W內(nèi)有對方棋子；
[0082] 再將滿足條件的招法加入招法找；
[0083] 步驟3.2.4沈6曰*6]\1〇￥6_3616(316￥曰1結(jié)合3.2.2和3.2.3，將滿足條件的招法連同估 值一起存入招法找；
[0084] 步驟3.3遍歷結(jié)束后，返回；
[00化]步驟四、調(diào)用處理多線程的函數(shù)MultiT虹ead，具體為：
[0086] 步驟4.1聲明變量i，為全局變量ST設(shè)置互斥鎖，在互斥鎖內(nèi)將ST的值賦給i，并給 ST加1;然后釋放ST的互斥鎖；
[0087] 步驟4.2遍歷步驟Ξ生成的所有頂層招法；
[00則步驟4.2.1對遍歷到的每個(gè)招法，在模擬棋盤上執(zhí)行AlphaBeta捜索，返回該招法 的估值;再撤銷在模擬棋盤上該招法的執(zhí)行；
[0089] 步驟4.2.2若步驟4.2.1返回招法的估值大于當(dāng)前線程的最好估值，則修改當(dāng)前線 程最好招法，并記錄新的最好估值；
[0090] 步驟4.2.3為全局變量AlphaB設(shè)置互斥鎖，在互斥鎖內(nèi)判斷如果當(dāng)前線程最好估 值大于全局最好估值A(chǔ)lphaB，則修改全局最好招法及AlphaB，并更新全局最好招法 BestMove，然后釋放A1地aB的互斥鎖；
[0091] 步驟五、調(diào)用A1地aBeta函數(shù)進(jìn)行捜索；
[0092] 步驟5.1判斷捜索深度，進(jìn)行相應(yīng)操作：
[0093] 5.11若捜索到達(dá)最底，即傳入的參數(shù)d邱地==0,則調(diào)用估值函數(shù)Evaluate,并返 回估值；
[0094] 5.12否則，調(diào)用createMove_selecteval 或 createMove_eval 生成招法，同時(shí)，對每 個(gè)生成招法調(diào)用Evaluate進(jìn)行估值，生成全部招法后根據(jù)估值，即Evaluate返回值對招法 進(jìn)行排序，具體為：
[00巧]5.12.1在20步W內(nèi)有選擇性的生成招法，即調(diào)用createMove_selecteval函數(shù)來 生成招法；
[0096] 5.12.2否則生成全部招法，即調(diào)用createMove_eval函數(shù)來生成招法；
[0097] 步驟5.2根據(jù)捜索深度對招法進(jìn)行裁剪，具體為：
[0098] 5.2.1當(dāng)捜索深度d邱th為1時(shí)不裁剪招法；
[0099] 5.2.2當(dāng)捜索深度d邱th為2且招法數(shù)大于K6,則保留排序在前K6的招法；
[0100] 5.2.3當(dāng)捜索深度depth為3且招法數(shù)大于K7，則保留排序在前K7的招法；
[0101] 5.2.4當(dāng)捜索深度d邱th為4且招法數(shù)大于Κ8，則保留排序在前Κ8的招法；
[0102] 其中，優(yōu)選的Κ6為300,也可W是大于250小于350的整數(shù)；
[0103] 其中，優(yōu)選的Κ7為200,也可W是大于150小于250的整數(shù)；
[0104] 其中，優(yōu)選的Κ8為100,也可W是大于80小于120的整數(shù)；
[0105] 步驟5.3判斷當(dāng)前招法數(shù)是否為0,并進(jìn)行相應(yīng)操作：
[0106] 5.31若生成的招法數(shù)為0，說明棋局已經(jīng)結(jié)束，返回-1肥+(111曰加6口地-(16口地）；
[0107] 5.32若生成的招法數(shù)不為0，則繼續(xù)步驟5.4;
[0108] 步驟5.4對產(chǎn)生的招法估值，并返回該層的最好估值或第一個(gè)大于be化的估值，具 體為：
[0109] 步驟5.4.1聲明變量best，并初始化為-1，將當(dāng)前最好估值賦值給best;
[0110] 步驟5.4.2遍歷執(zhí)行步驟5.1和5.2產(chǎn)生的所有招法并進(jìn)入下一層A1地aBeta，遞歸 直至返回估值；
[0111] 步驟5.4.3得到步驟5.4.1的估值后，若估值大于best,則將得到的估值賦給best;
[0112] 步驟5.4.4若估值大于be化，則返回估值；
[0113] 步驟5.4.5遍歷結(jié)束后，若有更好的招法，則記錄并更新；
[0114] 步驟 5.4.6 返回best;
[0115] 步驟六、調(diào)用估值函數(shù)Evaluate;
[0116] 步驟6.1調(diào)用Evaluate該函數(shù)計(jì)算qst邱和kst邱；
[0117] 步驟6.2再計(jì)算四個(gè)基礎(chǔ)變量：*1、*2、(：1、〇2;運(yùn)四個(gè)值在每次調(diào)用估值函數(shù)時(shí)都 初始化為0，具體包含如下操作：
[011引步驟6.2.1通過a和b確定tl的值：
[0119] a.當(dāng)某個(gè)格子雙方qst邱值相同時(shí)，對于當(dāng)前行棋顏色給予tlx分獎(jiǎng)勵(lì)，非當(dāng)前行 棋給予-tlx分的懲罰，再將此獎(jiǎng)勵(lì)或懲罰的分?jǐn)?shù)加在tl上；
[0120] 其中，所述的11X分?jǐn)?shù)范圍為0.0到1.0;
[0121] b.當(dāng)我方qst邱值較小時(shí)，使tl獲得一個(gè)加分score,反之獲得一個(gè)負(fù)分-score;的 值為能Wqst邱所代表的步數(shù)到達(dá)該格子的棋子的個(gè)數(shù)，即對于一個(gè)可最少步數(shù)到達(dá) 的格子，記錄能W最少步數(shù)到達(dá)的棋子的數(shù)量；
[0122] 其中，所述的score分?jǐn)?shù)范圍為大于1的整數(shù)，原則上不設(shè)上限；
[0123] a、b同時(shí)運(yùn)用W防止出現(xiàn)W-敵多的局面；
[0124] 步驟6.2.2計(jì)算t2的值，具體為:遍歷所有kst邱，當(dāng)我方kst邱值較小則t2加1，當(dāng) 對方kst巧值較小則t2減1;
[012引步驟6.2.3計(jì)算cl及c2的值，具體為：
[01%] cl + =(pow(2.0,-qstep[thread][i][ j][0])-pow(2.0,-qstep[thread][i][ j]
[0127] c化=min(l,max(-l,(kstep[thread][i][j][l].st-kstep[thread][i][j][0] .st)/6.0));
[01 %]注:thread表示當(dāng)前線程數(shù)，i、j對應(yīng)棋盤上格子，最后一維為0代表我方，1代表對 方；
[0129]步驟6.3聲明計(jì)算變量occupy,并賦occupy初值為1，當(dāng)某格子只有我方可到達(dá)則 將occupy加一，否則將occupy減1，即occupy記錄了我方當(dāng)前局面已經(jīng)占領(lǐng)的空格子數(shù)量；
[0130] 步驟6.4聲明并計(jì)算變量3111114[2];
[0131] 其中，所述的sumA[2]代表雙方棋子的靈活度，計(jì)算方法如下：
[0132] 步驟6.4.1對于每一個(gè)棋子計(jì)算其靈活度:尋找該棋子一步即可到達(dá)的所有空格 子，對于每一個(gè)空格子記錄棋子與空格子的距離記為i，再計(jì)算該空格子周圍8個(gè)格子中為 空的格子數(shù)量記為N;計(jì)算A = N*pow(2.0，-i);對于所有棋子一步可到達(dá)的空格子都能得到 運(yùn)樣一個(gè)A，棋子的靈活度AM即為所有運(yùn)樣的A的和；
[0133] 步驟6.4.2sumA為四個(gè)棋子各自AM的和;對于雙方都計(jì)算靈活度，可W得到雙方各 自的sumA;
[0134] 至此，經(jīng)過步驟一到步驟六，完成了一種機(jī)器博弈的亞馬遜棋AI算法。
[0135] 有益效果
[0136] 本發(fā)明一種機(jī)器博弈的亞馬遜棋AI算法與現(xiàn)有亞馬遜棋AI算法相比，具有如下有 益效果：
[0137] 1.本發(fā)明所述算法在多線程策略中，全局變量A1地aB不止在A1地aBeta的最頂層 被修改，而是在內(nèi)層觸發(fā)某種條件時(shí)就能被修改，此策略的應(yīng)用顯著地提高了捜素速度，即 提升了算法效率；
[0138] 2.本發(fā)明所述算法在多線程策略中，聲明變量i并為其設(shè)置互斥鎖，保證同一時(shí)刻 里只有一個(gè)線程能訪問該變量;i使得多個(gè)線程可W像一個(gè)線程運(yùn)行時(shí)一樣，從0到η逐個(gè)捜 索招法，在有招法排序的前提下，此策略可W提高剪枝效率；
[0139] 3.本發(fā)明所提算法，在全盤運(yùn)行時(shí)間為15分鐘W內(nèi)的情況下，可實(shí)現(xiàn)將Α1地aBeta 捜索的最低層數(shù)由3層提升至4層，即表示本算法可W在全盤運(yùn)行時(shí)間不允許超過15分鐘的 情況下，比同類算法的對手多考慮一步；
[0140] 4.本發(fā)明所提算法在有益效果1的基礎(chǔ)上，后期的最深思考層數(shù)可達(dá)6層，經(jīng)測試 層數(shù)繼續(xù)加深依然可
[0141] 5.本發(fā)明所提估值算法中，代表靈活度的值sumA的計(jì)算方法的改進(jìn)使得估值函數(shù) 對占領(lǐng)格子，與被圍堵的判斷更精準(zhǔn)，使得在運(yùn)兩個(gè)情況出現(xiàn)時(shí)，最終給出的招法更合理有 效。
【附圖說明】
[0142] 圖1為本發(fā)明一種機(jī)器博弈的亞馬遜棋AI算法的流程圖；
[0143] 圖2為本發(fā)明一種機(jī)器博弈的亞馬遜棋AI算法及其實(shí)施例中使用的亞馬遜棋盤。
[0144] 實(shí)施方式
[0145] 為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整的描述，顯然，所描述的實(shí)施例是 本發(fā)明的一部分實(shí)施例，而不是全部實(shí)施例。
[0146] 需要說明的是程序中有全局變量step,記錄雙方從開局到當(dāng)前局面共執(zhí)行的步 數(shù)，初值為零。
[0147] 實(shí)施例1
[0148] 當(dāng)step大于等于6小于10時(shí)，設(shè)置默認(rèn)捜索深度Μ為4;帶估值的生成招法，按估值 排序招法找，剪枝留下排序在前Κ4的招法;交付多線程運(yùn)行。
[0149] 各線程分別調(diào)用Α1曲aBeta函數(shù)，采用選擇性生成方式生成下一層招法，按估值排 序，然后剪枝，根據(jù)深度不同使招法分別不超過Κ6，Κ7，Κ8個(gè)。
[0150] 遍歷生成的招法，執(zhí)行之，再次調(diào)用Α1地aBeta進(jìn)入下層。
[0151] 捜索深度在遞歸過程中遞減，直至為0,則調(diào)用估值函數(shù)，并返回；不再調(diào)用 A1地aBeta。該估值采用對靈活度更敏感的參數(shù)。
[0152] 根據(jù)規(guī)則更新al地a，be化，best值，修改A1地aB。遍歷所有招法后再向上層返回。
[0153] 直至返回到頂層，在Multi化read函數(shù)中根據(jù)規(guī)則更新該線程最好招法。
[0154] 所有線程結(jié)束后，綜合各線程最好招法選出全局最好招法。
[0155] 實(shí)施例2
[0156] 當(dāng)step大于等于20小于32,在實(shí)施例3的基礎(chǔ)上采用更全面的招法生成，即在生成 招法時(shí)沒有選擇性。
[0157] 實(shí)施例3
[0158] 當(dāng)step大于等于32小于48,設(shè)置默認(rèn)捜索深度Μ為5;帶估值的生成招法，按估值排 序招法找，剪枝留下排序在前Κ5的招法;后續(xù)步驟與實(shí)施例1相同。
[0159] 綜上所述，W上僅為本發(fā)明的較佳實(shí)例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡 在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保 護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種機(jī)器博弈的亞馬遜棋Al算法，其特征在于： 一種機(jī)器博弈的亞馬遜棋AI算法包括搜索算法和估值算法兩方面； 其中，搜索算法方面，將生成的可行招法排序，最大可能的將能引發(fā)剪枝或能得到較好 效果的招法，具體的，通過為每一個(gè)效果賦值以判定招法的好壞，排在前面;搜索算法還體 現(xiàn)在不同階段采用不同策略:在搜索未到達(dá)最底層時(shí)，生成的招法會(huì)被裁剪;而當(dāng)搜索到達(dá) 最底層時(shí)需要展開全招法，即不對招法進(jìn)行裁剪； 估值算法方面，一方面，通過加入?yún)^(qū)域占領(lǐng)參數(shù)occupy，使對占領(lǐng)格子的判斷更準(zhǔn)確； 另一方面，在不同階段采用不同估值參數(shù)，基于步數(shù)判斷棋局進(jìn)行到了哪個(gè)程度，再?zèng)Q定使 用哪種參數(shù)，再根據(jù)局面對估值參數(shù)進(jìn)行動(dòng)態(tài)調(diào)整； 此外，搜索算法中還采用優(yōu)化的多線程:一方面使共享資源盡量少，以防止等待資源消 耗的時(shí)間；另一方面，使各線程間有互斥地共享有價(jià)值的資源，從而提升AlphaBeta算法的 效率;具體優(yōu)化參數(shù)主要包括全局變量AlphaB ,MultiThread函數(shù)中變量i，將變量best引入 AlphaBeta函數(shù)，以及改進(jìn)AlphaBeta算法中對返回和更新beta值的機(jī)制； 另外，在AlphaBeta的最底層采用更新排序，其它層采用估值排序。2. 如權(quán)利要求1所述的一種機(jī)器博弈的亞馬遜棋AI算法，其特征還在于： 一種機(jī)器博弈的亞馬遜棋AI算法，主要涉及如下函數(shù)：3.如權(quán)利要求1所述的一種機(jī)器博弈的亞馬遜棋Al算法，其特征還在于： 一種機(jī)器博弈的亞馬遜棋AI算法，具體步驟如下： 步驟一、聲明全局變量并初始化下棋步數(shù)為O; 步驟二、搜索并選擇可用的招法； 步驟三、調(diào)用createMove生成可行招法，將滿足條件的招法連同估值一起存入招法棧 返回： 所述的滿足條件是所產(chǎn)生的招法落子點(diǎn)或落障礙處，至少有一點(diǎn)滿足五步以內(nèi)有對方 棋子； 步驟四、調(diào)用處理多線程的函數(shù)MultiThreacU具體為： 步驟4.1聲明變量i，為全局變量ST設(shè)置互斥鎖，在互斥鎖內(nèi)將ST的值賦給i，并給ST加 1;然后釋放ST的互斥鎖； 步驟4.2遍歷步驟三生成的所有頂層招法； 步驟4.2.1對遍歷到的每個(gè)招法，在模擬棋盤上執(zhí)行AlphaBeta搜索，返回該招法的估 值;再撤銷在模擬棋盤上該招法的執(zhí)行； 步驟4.2.2若步驟4.2.1返回招法的估值大于當(dāng)前線程的最好估值，則修改當(dāng)前線程最 好招法，并記錄新的最好估值； 步驟4.2.3為全局變量AlphaB設(shè)置互斥鎖，在互斥鎖內(nèi)判斷如果當(dāng)前線程最好估值大 于全局最好估值A(chǔ)lphaB，則修改全局最好招法及AlphaB，并更新全局最好招法BestMove，然 后釋放AlphaB的互斥鎖； 步驟五、調(diào)用AlphaBeta函數(shù)進(jìn)行搜索； 步驟5.1判斷搜索深度，進(jìn)行相應(yīng)操作： 5.11若搜索到達(dá)最底，即傳入的參數(shù)depth= = 0,則調(diào)用估值函數(shù)Evaluate，并返回估 值； 5 · 12否則，調(diào)用createMove_selecteval或createMove_eval生成招法，同時(shí)，對每個(gè)生 成招法調(diào)用Evaluate進(jìn)行估值，生成全部招法后根據(jù)估值，即Evaluate返回值對招法進(jìn)行 排序，具體為： 5.12.1在20步以內(nèi)有選擇性的生成招法，即調(diào)用createMove_selecteval函數(shù)來生成 招法； 5.12.2否則生成全部招法，即調(diào)用createMove_eval函數(shù)來生成招法； 步驟5.2根據(jù)搜索深度對招法進(jìn)行裁剪，具體為： 5.2.1當(dāng)搜索深度depth為1時(shí)不裁剪招法； 5.2.2當(dāng)搜索深度depth為2且招法數(shù)大于K6，則保留排序在前K6的招法； 5.2.3當(dāng)搜索深度depth為3且招法數(shù)大于K7，則保留排序在前K7的招法； 5.2.4當(dāng)搜索深度depth為4且招法數(shù)大于K8，則保留排序在前K8的招法； 其中，優(yōu)選的Κ6為300,也可以是大于250小于350的整數(shù)； 其中，優(yōu)選的Κ7為200,也可以是大于150小于250的整數(shù)； 其中，優(yōu)選的Κ8為100,也可以是大于80小于120的整數(shù)； 步驟5.3判斷當(dāng)前招法數(shù)是否為0，并進(jìn)行相應(yīng)操作： 5.31若生成的招法數(shù)為0，說明棋局已經(jīng)結(jié)束，返回-1即+(11^1(16口1:11-(16口1:11); 5.32若生成的招法數(shù)不為0，則繼續(xù)步驟5.4; 步驟5.4對產(chǎn)生的招法估值，并返回該層的最好估值或第一個(gè)大于beta的估值； 步驟六、調(diào)用估值函數(shù)Evaluate; 步驟6.1調(diào)用Evaluate該函數(shù)計(jì)算qstep和kstep; 步驟6.2再計(jì)算四個(gè)基礎(chǔ)變量4142、(31、(：2;這四個(gè)值在每次調(diào)用估值函數(shù)時(shí)都初始 化為0，具體包含如下操作： 步驟6.2.1通過a和b確定tl的值： a. 當(dāng)某個(gè)格子雙方qstep值相同時(shí)，對于當(dāng)前行棋顏色給予tlx分獎(jiǎng)勵(lì)，非當(dāng)前行棋給 予_t IX分的懲罰，再將此獎(jiǎng)勵(lì)或懲罰的分?jǐn)?shù)加在11上； 其中，所述的tlx分?jǐn)?shù)范圍為0.0到1.0; b. 當(dāng)我方qstep值較小時(shí)，使tl獲得一個(gè)加分score，反之獲得一個(gè)負(fù)分-score;的值為 能以qstep所代表的步數(shù)到達(dá)該格子的棋子的個(gè)數(shù)，即對于一個(gè)可以以最少步數(shù)到達(dá)的格 子，記錄能以最少步數(shù)到達(dá)的棋子的數(shù)量； 其中，所述的score分?jǐn)?shù)范圍為大于1的整數(shù)，原則上不設(shè)上限； a、b同時(shí)運(yùn)用以防止出現(xiàn)以一敵多的局面； 步驟6.2.2計(jì)算t2的值，具體為:遍歷所有kstep，當(dāng)我方kstep值較小則t2加1，當(dāng)對方 kstep值較小則t2減1; 步驟6.2.3計(jì)算cl及c2的值，具體為： cl+=(pow(2.0,-qstep[thread][i][j][0])-pow(2.0,-qstep[thread][i][j][I]))； c2+=min(I,max(-l,(kstep[thread][i][j][l].st~kstep[thread][i][j][0].st)/ 6.0))； 注:thread表示當(dāng)前線程數(shù)，i、j對應(yīng)棋盤上格子，最后一維為0代表我方，I代表對方； 步驟6.3聲明計(jì)算變量occupy，并賦occupy初值為1，當(dāng)某格子只有我方可到達(dá)則將 occupy加一，否則將occupy減1，即occupy記錄了我方當(dāng)前局面已經(jīng)占領(lǐng)的空格子數(shù)量； 步驟6.4聲明并計(jì)算變量81111^[2] ; 至此，經(jīng)過步驟一到步驟六，完成了一種機(jī)器博弈的亞馬遜棋AI算法。4.如權(quán)利要求3所述的一種機(jī)器博弈的亞馬遜棋AI算法，其特征還在于： 一種機(jī)器博弈的亞馬遜棋AI算法，步驟一中聲明的全局變量主要如下： 1.1聲明AlphaB用于記錄多線程中綜合的最好估值； 1.2聲明maxdepth定義搜索深度； 1.3聲明MOVEi記錄各線程各自的最好招法的編號； 1.4聲明BestMove記錄全局的最好招法； 1.5聲明qstep和kstep用于估值函數(shù)； 1.6聲明ST; 1.7聲明totalTime記錄一盤棋開始到目前的總用時(shí)； 1 · 8聲明movestack用于存儲(chǔ)招法，movestack又稱招法棧； 其中，qstep的含義為四個(gè)棋子中沿單一方向連續(xù)行進(jìn)到達(dá)的某一格子所需的最少步 數(shù)； kstep的含義為四個(gè)棋子中方向任意地單步行進(jìn)到達(dá)的某一格子所需的最少步數(shù);ST 的含義為記錄最頂層搜索到了第幾個(gè)招法。5. 如權(quán)利要求3所述的一種機(jī)器博弈的亞馬遜棋AI算法，其特征還在于： 步驟二又具體包括如下步驟： 步驟 2.1 調(diào)用入口函數(shù) search_a_goodmove; 步驟2.2在函數(shù)search_a_goodmove中初始化部分全局變量:其中所述的部分全局變量 主要包括全局變量AlphaB; 所述的AlphaB初始值為-INF; 步驟2.3根據(jù)下棋步數(shù)得出搜索深度值M; 步驟2.4調(diào)用createMove_eval生成招法； 步驟2.5對生成的每一個(gè)招法調(diào)用Evaluate函數(shù)，并對所有招法調(diào)用Evaluate函數(shù)的 返回值進(jìn)行排序； 步驟2.6根據(jù)步數(shù)和對步驟2.5調(diào)用createMove_eval生成的招法進(jìn)行裁剪； 步驟2.7當(dāng)總用時(shí)totalTime超過14分鐘，則將搜索深度值M設(shè)為4; 步驟2.8調(diào)用MultiThread函數(shù)啟動(dòng)多線程； 步驟2.9等待直至步驟2.7的所有線程運(yùn)行結(jié)束，刪除多線程并返回。6. 如權(quán)利要求5所述的一種機(jī)器博弈的亞馬遜棋AI算法，其特征還在于： 步驟2.3具體為： 步驟2.3.1當(dāng)步數(shù)step小于Kl，則搜索深度值M為4; 步驟2.3.2當(dāng)步數(shù)step大于等于Kl小于K2，則搜索深度值M為5; 步驟2.3.3當(dāng)步數(shù)step大于等于K2，則搜索深度值M為6; 其中，優(yōu)選的Kl為32,也可以是大于20小于38的整數(shù)； 其中，優(yōu)選的K2為48，也可以是大于30小于60的整數(shù)。7. 如權(quán)利要求3所述的一種機(jī)器博弈的亞馬遜棋AI算法，其特征還在于： 具體的，步驟三的執(zhí)行過程包括： 步驟3.1對本方四個(gè)棋子中的每一個(gè)棋子做如下3.11和3.12兩個(gè)操作，得出一個(gè)可行 招法； 3.11從棋子出發(fā)遍歷上下左右四個(gè)方向，再遍歷每個(gè)方向上最多10個(gè)可行步，找到符 合落子的格子，再遍歷所有符合落子的格子，對每一格子執(zhí)行3.12; 3.12從每一可落子的格子出發(fā)，遍歷上下左右四個(gè)方向，再遍歷每個(gè)方向上最多10個(gè) 可行步，找到可以設(shè)置障礙的格子； 步驟3.2根據(jù)步驟3.1得出的可行招法分別做如下四類操作： 步驟3.2.1調(diào)用createMove得到可行招法后直接存入招法棧，繼續(xù)搜索其他招法； 步驟3.2.2調(diào)用(^冊〖洲〇代_^&1執(zhí)行招法，調(diào)用估值函數(shù)，得到執(zhí)行招法后的估值(可 認(rèn)為即為該招法的估值），將估值和招法都存入招法棧； 步驟3.2.3調(diào)用createMove_select在產(chǎn)生招法后先對招法進(jìn)行檢查，是否滿足如下條 件： 所產(chǎn)生的招法落子點(diǎn)或落障礙處，至少有一點(diǎn)滿足五步以內(nèi)有對方棋子； 再將滿足條件的招法加入招法棧； 步驟3.2.4(^6&七6]\1〇￥6_8616(^6￥&1結(jié)合3.2.2和3.2.3，將滿足條件的招法連同估值一 起存入招法棧； 步驟3.3遍歷結(jié)束后，返回。8. 如權(quán)利要求3所述的一種機(jī)器博弈的亞馬遜棋AI算法，其特征還在于： 步驟5.4具體為： 步驟5.4.1聲明變量best，并初始化為-1，將當(dāng)前最好估值賦值給best; 步驟5.4.2遍歷執(zhí)行步驟5.1和5.2產(chǎn)生的所有招法并進(jìn)入下一層AlphaBeta，遞歸直至 返回估值； 步驟5.4.3得到步驟5.4.1的估值后，若估值大于best，則將得到的估值賦給best; 步驟5.4.4若估值大于beta，則返回估值； 步驟5.4.5遍歷結(jié)束后，若有更好的招法，則記錄并更新； 步驟5.4.6返回best。9. 如權(quán)利要求5所述的一種機(jī)器博弈的亞馬遜棋Al算法，其特征還在于： 步驟2.6具體為： 2.6.1當(dāng)步數(shù)step小于K3且招法數(shù)大于K4，則保留排序在前K4的招法； 2.6.2當(dāng)步數(shù)step大于等于K3且招法數(shù)大于K5，則保留排序在前K5的招法； 其中，優(yōu)選的K3為32,也可以是大于6小于36的整數(shù)； 其中，優(yōu)選的K4為300,也可以是大于200小于400的整數(shù)； 其中，優(yōu)選的K5為400，也可以是大于300小于500的整數(shù)。10. 如權(quán)利要求3所述的一種機(jī)器博弈的亞馬遜棋AI算法，其特征還在于： 步驟6.4聲明并計(jì)算變量81111^[2]; 其中，所述的sumA[2]代表雙方棋子的靈活度，計(jì)算方法如下： 步驟6.4.1對于每一個(gè)棋子計(jì)算其靈活度:尋找該棋子一步即可到達(dá)的所有空格子，對 于每一個(gè)空格子記錄棋子與空格子的距離記為i，再計(jì)算該空格子周圍8個(gè)格子中為空的格 子數(shù)量記為N;計(jì)算A = N*pow(2.0，-i);對于所有棋子一步可到達(dá)的空格子都能得到這樣一 個(gè)A，棋子的靈活度AM即為所有這樣的A的和； 步驟6.4.2sumA為四個(gè)棋子各自AM的和;對于雙方都計(jì)算靈活度，可以得到雙方各自的 sumAo
【文檔編號】A63F3/00GK105999689SQ201610369682
【公開日】2016年10月12日
【申請日】2016年5月30日
【發(fā)明人】史繼筠, 宋鑫, 趙峻瑤, 孫云霄
【申請人】北京理工大學(xué)