基于PVS算法的苏拉卡尔塔棋博弈系统设计与实现

文章旨在介绍基于主变量导向搜索(Principal Variation Search,PVS)算法的苏拉卡尔塔棋博弈系统的设计与实现。为了优化搜索策略,提高搜索效率和决策准确性,文章选用将Alpha-Beta剪枝和主要变例相结合的PVS搜索算法设计与实现苏拉卡尔塔棋博弈系统。在评估函数方面,综合考虑盘面价值、棋子价值、移动范围以及攻击范围等关键因素,从而准确评估当前棋局状态。本研究的贡献在于实现了一个苏拉卡尔塔棋博弈系统,并为该领域的未来研究奠定了坚实基础。

苏拉卡尔塔博弈系统中评估函数的研究

苏拉卡尔塔棋是一种两人玩的游戏,属于计算机棋类博弈的一种。计算机博弈系统一般包括棋盘表示、估值函数及搜索算法3大模块。其中评估函数的好坏对整个计算系统的性能起着重要的作用。根据苏拉卡尔塔棋自身的特点,从棋子的数量、移动范围、攻击范围、子力攻击力、盘面分值和占弧价值6个方面对局面评估函数进行了研究,并对评估函数的参数进行了优化。在此基础上,采用Alpha-Beta搜索策略,设计实现了一个苏拉卡尔塔博弈系统。该系统在2012年全国大学生计算机博弈大赛上获得季军的好成绩,验证了该评估算法的有效性。

苏拉卡尔塔棋中残局的优化

本文主要针对苏拉卡尔塔棋中残局的局面评估进行研究,找出影响残局的主要因素,给出了残局时的评估方法。实验结果表明,在残局的时候做出相应的改变来适应当时的棋局情况,对苏拉卡尔塔棋后期的发挥有良好的影响。

苏拉卡尔塔棋系统的设计与实现

苏拉卡尔塔棋算法是计算机博弈算法的一个重要分支,笔者采用二维数组表示该棋盘及其棋子信息,设计思路简洁,占用空间较小。首先,针对苏拉卡尔塔棋的基本规则,通过棋盘扫描法利用棋盘的内轨和外轨,找出当前棋盘状态下的有效走法;其次,采用置换表和历史启发与NegaScout搜索算法结合的NegaScout_TT_HH,降低搜索过程中的节点数;最后从棋盘的基本价值、棋子的数量、移动范围和攻击力几方面进行考虑,对该棋的棋局状态进行评估。

基于Alpha-Beta算法的苏拉卡尔塔棋博弈系统研究

针对苏拉卡尔塔棋中,可下位置的生成较为繁琐和复杂,进而导致搜索效率较低的问题,本文采用了优化过的可下位置生成算法,使用“三手进攻”策略与Alpha-Beta算法相结合,同时结合了置换表和哈希表技术,大大地提高了搜索效率和深度。该程序在2021年全国大学生计算机博弈大赛上获得了全国亚军的好成绩,验证了该算法的可行性。

基于强化学习的苏拉卡尔塔博弈算法

本文探讨了基于蒙特卡洛方法的强化学习博弈程序的原理,基于该原理结合BP算法设计了一个进行自学习的苏拉卡尔塔博弈程序。实验证明,该方法能让智能体不断的学习提高棋力,避免了繁琐的手工构建静态评估函数过程。