赞
踩
通过前面几篇文章的学习,我们的四子棋程序已经有了框架、搜索几大部分,但是还有着不少问题,我们的程序只能迭代很有限的步骤,导致棋力低下,在这一篇我们将通过启发式搜索极大的优化搜索效率。
一、原因
我们之前的产生走子位置的函数很简单,即找到棋盘上的空余位置。它的不合理性体现在两方面:
没有对结果进行排序,完全是按照数组的遍历顺序的。而Alpha Beta 剪枝的效率是非常依赖节点顺序的,这个我们马上就会讲一下。
没有排除不需要节点。如果能减少一些不必要的节点,那么其实就是优化了 M^N 中的M,优化效果是非常明显的。
还是前一章的那张图,上面可以看到在第二层中,第一个节点的值是3,因为他其实是本层中的极小值,导致后面的两个节点都可以进行剪枝(这里第二个节点的第二个孩子也可以剪掉的)。这是最好的一种情况,即在MIN层中极小值是第一个节点,那么后序的所有节点都可以根据这个极小值进行剪枝,即使极小值不在第一个节点,只要大致能按照从小到大的顺序排列,也会剪掉很多节点。如果很不幸,这一层的节点是从大到小排列的,那么剪枝就完全没有用。
对于Beta 剪枝也是同样的道理。所以说Alpha Beta剪枝的效率是取决于每一层节点的顺序的。 我们肯定是无法精确排序的,因为每一个节点的值并不能直接计算出来,需要递归计算子节点。 但是我们依然能对节点进行大致的一个排序。前面说过了,只要有一个大致的排序 其实就能很好的提升剪枝效率。
那么如何排序呢?就是给所有待搜索的位置进行打分,按照分数的高低来排序。注意这个打分算法是对某一个空位进行打分,在第一张中我们已经有所提到。
有了打分之后,我们就可以按照分数高低进行排序了。
在实现算法前,我们先回顾一下之前的内容。
structPicesPos{intx;inty;intz;
chessPicesStatus type;intvalue;
};
每个落子位置都有相应的value,我们要做的就是在list中将棋子按照一定顺序排列。
二、实现启发式搜索
我们采用stl自带的排序算法,对每个棋子进行排序:
bool comp(const PicesPos &A, const PicesPos &B)
{return A.value >B.value;
}
首先,我们按照comp方法的要求自定义一个排序函数。然后在相应的位置插入排序语句。
...else{int maxVal = -1000000;
PicesPosList list=getAvailablePos(board,chessPicesStatus::white);
sort(list.begin(),list.end(),comp);for(auto iter = list.begin();iter != list.end();iter++)
{
board[iter->x][iter->y][iter->z] =chessPicesStatus::white;
...
至此,整个搜索算法就完成啦。
三、主程序
我们的程序已经完成了80%,最后就剩下把他们连接起来了。
int main(int argc, char *argv[])
{
QCoreApplication a(argc, argv);
ChessBoard cb;
cb.init();
cb.printBoard();intx,y;while(std::cin>>x>>y)
{if(!cb.insertPices(x,y,chessPicesStatus::black))
{
std::cout<
}
cb.dfs(cb.chessBoard,2);
cout<
<
cb.insertPices(cb.targetPos.x, cb.targetPos.y, chessPicesStatus::white);int whiteScore =cb.getSideScore(cb.chessBoard,chessPicesStatus::white);int blackScore =cb.getSideScore(cb.chessBoard,chessPicesStatus::black);
cout<
cout<
"z:"<
cout<
"z:"<
{
cb.printBoard();
cout<
}else if(status ==chessPicesStatus::black)
{
cb.printBoard();
cout<
}else{
cb.printBoard();
}
}returna.exec();
}
我们的四子棋程序就这样完成了,事实证明根本下不过啊…
参考文献:
致谢!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。