Negamax 国际象棋算法：如何使用最终回报？

Question

我为类似国际象棋的游戏制作了一个负最大算法，我想知道如何使用最终的棋盘值结果。我知道 negamax 算法的最终回报代表了玩家采取最佳行动后棋盘的价值，但这并不是完全有用的信息。我需要知道这个动作是什么，而不是它的价值。

代码如下：

public int negamax(Match match, int depth, int alpha, int beta, int color) {
    if(depth == 0) {
        return color*stateScore(match);
    }

    ArrayList<Match> matches = getChildren(match, color);

    if(matches.size() == 0) {
        return color*stateScore(match);
    }

    int bestValue = Integer.MIN_VALUE;

    for(int i = 0; i != matches.size(); i++) {
        int value = -negamax(matches.get(i), depth-1, -beta, -alpha, -color);

        if(value > bestValue) {
            bestValue = value;
        }

        if(value > alpha) {
            alpha = value;
        }

        if(alpha >= beta) {
            break;
        }
    }

    return bestValue;
}

public void getBestMove(Match match, int color) {

    int bestValue = negamax(match, 4, Integer.MIN_VALUE, Integer.MAX_VALUE, color);

    // What to do with bestValue???

}

我想在确定 bestValue 后重新评估当前匹配状态的子项。然后我遍历它们并找出其中哪些孩子的 stateScore 等于 bestValue。但这行不通，因为他们中的很多人无论如何都会有相同的 stateScore，这是他们可以导致的结果......

Answer 1

我可以看到您正在执行 qsearch 和 alpha-beta。您的算法众所周知，但您缺少关键部分。

让我概述一下国际象棋搜索的基本算法，它甚至适用于 Stockfish（世界上最强大的引擎）。

search(Position p) {

    if (leaf node)
        qsearch(p)

    if (need to do move reduction)
        do_move_reduction_and_cut_off(p)

    moves = generate_moves(p)

    for_each(move in moves) {            
        p.move(move)
        v = -search(p, -beta, -alpha)
        p.undo(move)

        store the score and move into a hash table

        if (v > beta)
           cutoff break;           
    }

这只是一个非常简短的草图，但所有国际象棋算法都遵循它。对比一下你的版本，你有没有发现没有p.move(move)和p.undo(move)？

基本上，传统方法会生成给定位置的移动列表。循环移动，播放并撤消它并搜索它。如果你这样做了，你就会确切地知道哪个动作会产生哪个分数。

还要注意将移动和得分存储到哈希表中的行。如果这样做，您可以轻松地从根节点重建整个主变体。

我不知道您的 Java 类 Match 中到底有什么，但无论如何您的尝试很接近，但不是完全经典的搜索方式。请记住，您需要在搜索算法中提供一个位置对象，但您却给了它一个 Match 对象，这是错误的。