[互联网]高级搜索技术.pptVIP

局面? Hash key ? Table address 其它 地址冲突? 非常好? ?错误 冲突处理 其它 1）实践中，采用简单的覆盖策略，不采用“再hash”等冲突处理。 2）采用该策略的依据。 1）局部性原理。 2）有助于使hash表的访问、存储速度达到最佳。 固定深度搜索 其它 水平效应 其它 估值的补充——平静搜索 其它 估值的补充——延伸搜索 其它 谢谢聆听！ ？ 封面 123334 * 当分枝因子为R，当前迭代的最大深度为d时，DFID总的是一种猜测初始窗口的搜索。基于事前猜测的返回值val，预设初始窗口为（val－?，val＋?）。 基于fail-soft alpha-beta搜索。执行该搜索可有三种情况： a）返回值v落在窗口(val－?，val＋?),v即为所求的值 b）返回值vval－?时，用窗口(-?, val－?)重搜 c）返回值v=val + ?时，用窗口(val + ?, +? )重搜 若能正确猜测真值所在的窗口，搜索效率便有所提高。 算法简介 渴望搜索 伪代码描述 渴望搜索 Val和?对搜索效率的影响。 提升算法效率的最大障碍在于重搜的风险。涉及： a）Val如何取值？ b）?如何取值？ 效率分析 渴望搜索 三 主要变异（极小窗口）搜索 极小窗口（或空窗口）： a）设估值均为整数，称(v, v+1)为极小窗口； b）搜索的结果(设返回值为val)要么Fail-low(val=v)，要么Fail-high(val v, 即val = v+1) c）既然窗口越小发生剪枝的概率就越高，那么，极小窗口可使得剪枝效率发挥到极致。 极小窗口（或空窗口） 极小窗口搜索 极小窗口的用法： a）某节点A的窗口为(alpha, beta)，想验证“A的所有兄弟节点都不比A强”，只需构造极小窗口(alpha, alpha+1)来搜索A的兄弟们； b）某节点B的窗口为(alpha, beta)，想验证其某个儿子是否“可以引发剪枝”，只需构造极小窗口(beta-1, beta)来搜索该儿子。 极小窗口的用法 极小窗口搜索 主要变异搜索(PVS，Principal Variation Search)/极小窗口搜索（Minimal Window Search）的基本思想： 对于任何一个节点，PVS总是假设其第一个儿子s0是最好的，直到证明某个儿子sn比s0还好。然后，再假设sn比其它儿子都好…… 注意：在博弈程序中，由于采用迭代加深、启发式算法等优化方法，着法生成、选择和排序机制能够让第一个儿子以很大的概率可成为最佳着法。 算法思想 极小窗口搜索 具体地，总是以全窗口（alpha, Beta）搜索第一个儿子s0 ，设得到的值为v，以窗口（v, v+1）去搜索其余的儿子。对于任意一个儿子si，若结果为Fail-low，则证明它不如s好，接着以窗口（v, v+1）去搜si +1；否则，必定是Fail-high，这说明si好于s0，这时，需要以构造新的全窗口（v, Beta），并用该窗口重搜si ，设得到的值为v′，再用（ v′, v′ +1）去搜后面的儿子…直到所有的儿子都得到搜索，算法结束。 算法的自然语言描述 极小窗口搜索 举例 极小窗口搜索 总结 极小窗口搜索 1）极小窗口搜索是非常优秀的alpha-beta搜索算法，是复杂棋类中应当优先考虑的算法。 2）极小窗口、渴望窗口、迭代加深搜索经常组合到一起使用。 3）有一个类似的算法，称为NegaScout。 4）另外，MTD(f)也是一个优秀的应用极小窗口搜索的算法。它的主要思想属于典型的分治，类似于折半查找。该算法应用的时候有一定的限制；其优点是易于并行计算。 四 Null Move搜索 剪枝 Null Move搜索 1）验前剪枝(Forward Pruning)。 如：Null Move剪枝 2）验后剪枝（Backward Pruning） 如：alpha-beta剪枝 思想 Null Move搜索 1）一般而言，走棋总比不走棋要好，不走棋就是一步null move。 2）将null move视为当前局面的一个着法（即使不走棋是非法的），且若该着法所导致的子树的值为v，应该有v??。 3）若?? v，则说明???，故应立刻剪枝。 Null move的使用 Null Move搜索 1）Null-move的条件 被将军时不能用null move；不能连续null move；距离horizon太近（如3ply）不宜用null move；本