“计算机下五子棋”智能程序开发-实验报告模板.doc

“计算机下五子棋”智能程序 设计与开发实验报告 实验小组成员: 王钦杰 200930636236 黄晓彬 200930636076 李威 200930631224 2011年 11 月 14 日 实验目标 我们小组使用C++开发，用Visual Studio 2010来开发，是用了老师给的局域网内人人对战五子棋程序的源代码，在此基础上增加机器下棋智能模块，玩家可以选择不同的难度进行游戏。 算法设计 AI中包括CmoveGenerator类，走法产生器，负责检查用户的输入是否符合规则及向搜索程序提供合法的走法。 ChistoryEngine类，历史启发类，用来给搜索算法调整节点顺序。 CtranspositionTable类，置换表类，用来记忆评估过的节点价值。 CNegaScout_TT_HH类，结合历史启发和置换表增强搜索效率，使用N层预判的负极大值算法(极大极小的优化算法)和α-β剪枝算法建立极大极小树，其实这个过程是进行优化过的，就是将Alpha和Beta的间隔设的足够小，就将这个搜索的范围像窗一样限定在某一范围，搜索一次的速度能更快，但也可能搜索出的结果不在窗内，那么就只能根据结果再次调整Alpha, Beta的值搜索，所以这一过程可能重复多次，搜索的层数越深，这样的优化就越能看出效果。 下面给出这个类的核心函数的代码： int CNegaScout_TT_HH::NegaScout(int depth, int alpha, int beta) { int Count,i; BYTE type; int a,b,t; int side; int score; if (depth0) { i = IsGameOver(CurPosition, depth); if (i != 0) return i; } side = (m_nMaxDepth-depth)%2; score = LookUpHashTable(alpha, beta, depth, side); if (score != 66666) return score; if (depth = 0) //叶°?子á¨?节¨2点ì?取¨?估¨¤值|ì { score = m_pEval-Eveluate(CurPosition, side ); EnterHashTable(exact, score, depth, side ); return score; } Count = m_pMG-CreatePossibleMove(CurPosition, depth, side); if (depth == m_nMaxDepth) { m_pThinkProgress -SetRange(0, Count); m_pThinkProgress -SetStep(1); } for (i=0;iCount;i++) { m_pMG-m_MoveList[depth][i].Score = GetHistoryScore(m_pMG-m_MoveList[depth][i]); } MergeSort(m_pMG-m_MoveList[depth], Count, 0); int bestmove=-1; a = alpha; b = beta; int eval_is_exact = 0; for ( i = 0; i Count; i++ ) { if (depth == m_nMaxDepth) m_pThinkProgress -StepIt(); type = MakeMove(m_pMG-m_MoveList[depth][i], side); Hash_MakeMove(m_pMG-m_MoveList[depth][i], CurPosition); t = -NegaScout(depth-1 , -b, -a ); if (t a t beta i 0) { a = -NegaScout (depth-1, -beta, -t ); /* re-search */ eval_is_exact = 1; if(depth == m_nMaxDepth) m_cmBestMove = m_pMG-m_MoveList[depth][i]; bestmove =