手把手教你用 JavaScript 实现一个简单的国际象棋 AI

时间 2019-11-21

标签手把手 javascript 实现一个简单国际象棋栏目 JavaScript 繁體版

原文原文链接

本文做者： Lauri Hartikka

编译：胡子大哈前端

翻译原文：huziketang.com/blog/posts/

英文链接：A step-by-step guide to building a simple chess AIreact

转载请注明出处，保留原文连接以及做者信息git

首先让咱们先看几个对开发简单国际象棋 AI 颇有帮助的概念：github

移动生成
局面评估
极大极小算法
α-β 剪枝

每一步中咱们都会对通过时间检验的国际象棋程序进行改进，我会展现不一样算法风格所产生的影响。你也能够在 GitHub 上看到最终的 AI 算法。算法

步骤 1：移动生成和棋盘可视化

使用 chess.js 库来生成移动规则，使用 chessboard.js 来可视化棋盘。移动生成库实现了全部国际象棋的规则，对于任意给定的棋盘状态咱们均可以计算出下一步的合法的走棋方法。app

(移动生成函数的可视化版本。起始位置做为输入，输出是全部可能的走法。)dom

使用这些库可使咱们专一于咱们所感兴趣的任务：开发最佳下棋的算法。咱们首先从建立以一个函数开始，在全部可能走法中返回一个随机的结果。ide

var calculateBestMove =function(game) {
        //generate all the moves for a given position
        var newGameMoves = game.ugly_moves();
        return newGameMoves[Math.floor(Math.random() * newGameMoves.length)];
    };复制代码

用这种方法，尽管它不是一个合格的棋手，可是起码咱们能够和它玩起来了。函数

步骤 2：位置评估

下面咱们试着让它理解在一个肯定的位置上怎么走比较好。实现这一功能最简单的方法是计算棋盘上棋子的相对强度大小，用下面的对照表。post

经过评估函数，能够选择评估结果最佳的走法。

var calculateBestMove = function (game) {

        var newGameMoves = game.ugly_moves();
        var bestMove = null;
        //use any negative large number
        var bestValue = -9999;

        for (var i = 0; i < newGameMoves.length; i++) {
            var newGameMove = newGameMoves[i];
            game.ugly_move(newGameMove);

            //take the negative as AI plays as black
            var boardValue = -evaluateBoard(game.board())
            game.undo();
            if (boardValue > bestValue) {
                bestValue = boardValue;
                bestMove = newGameMove
            }
        }

        return bestMove;

    };复制代码

这样一来，一个切实的改善是，算法会吃掉它能够吃掉的棋子。

（黑子使用了简单评估算法，在这里能够看到：jsfiddle.net/lhartikk/m5…

步骤 3：用极大极小算法搜索树

接下来咱们来建立一个搜索树，经过它算法能够选择最佳走法，这里须要用到极大极小算法。

在这个算法中，会根据给定的树深度对递归树进行遍历，所要评估的状态就是树的叶子节点。

这一步完成之后咱们把子节点中的最大或者最小值返回给父节点，这要依赖于白棋仍是黑棋来走这一步（这就是说在树的每一层中都最大或者最小化输出）。

（给定状态的最大最小算法的可视化。白棋最好的走法是 b2-c3，由于能够保证获取一个状态评估值是 -50）

var minimax = function (depth, game, isMaximisingPlayer) {
        if (depth === 0) {
            return -evaluateBoard(game.board());
        }
        var newGameMoves = game.ugly_moves();
        if (isMaximisingPlayer) {
            var bestMove = -9999;
            for (var i = 0; i < newGameMoves.length; i++) {
                game.ugly_move(newGameMoves[i]);
                bestMove = Math.max(bestMove, minimax(depth - 1, game, !isMaximisingPlayer));
                game.undo();
            }
            return bestMove;
        } else {
            var bestMove = 9999;
            for (var i = 0; i < newGameMoves.length; i++) {
                game.ugly_move(newGameMoves[i]);
                bestMove = Math.min(bestMove, minimax(depth - 1, game, !isMaximisingPlayer));
                game.undo();
            }
            return bestMove;
        }
    };复制代码