国际象棋程序设计(四)：基本搜索方法

国际象棋程序设计(四)：基本搜索方法

　

Franç ois Dominic Laramé e/文

　

　　这个烦琐、没有代码、像胶水一样的连载，已经进入第四部分了，你们还在看下去吗？如果是的，就写 eMail给我，我就可以找到写这些东西的理由了。 　　无论如何，这个月的主题是策略类游戏的敌对搜索 (Two-Agent Search) 【译注：意思是站在两个立场上的搜索，我也不知道该用什么比较确切的术语】，要了解它们有什么作用，如何来做，对电脑的程序意味着什么。我们要讨论的技术在所有的游戏中都很重要，但是仅仅靠它们是不足以下象棋的。下个月，我会介绍一些高级的技术，它们能显著增强棋力，同时提高搜索效率。 　 为什么要搜索？ 　 　　简单地说，因为我们还没有聪明到可以抛弃搜索的地步。 　　一个真正聪明的程序可以只依靠棋盘局面来确定，哪一方处于领先以及领先多少，并且制定作战计划让这个优势变为胜果。不幸的是，需要考虑的局面类型太多了，再加上那么多的规则和特例，就是再聪明的程序也不擅长做此类事情。而它们擅长的则是计算。因此对象棋程序来说，与其只根据棋盘的局面来决定好的着法，不如使用它们的蛮力——考虑每一种着法，然后为对手考虑这些着法的所有应对着法，循环下去，直到处理器吃不消为止。 　　比起掌握复杂的策略，深入的搜索是教电脑下棋的比较简单的方法。例如，考虑马的捉双问题，走一步棋就可以同时攻击两种棋子 (例如一个车和一个后 )。掌握这种类型的走法是需要花一些时间的，更复杂些，我们还要判断这个格子有没有保护。然而，一个愚钝的 3步的搜索就可以学会捉双了，程序最终会尝试让马走到捉双的格子，并探索对手对于捉双的回应，然后吃掉没有逃跑的那个棋子，从而改变了子力平衡。由于全面搜索可以看到每一步，所以不会错过任何机会。如果经过 5步棋后可以产生杀棋或捉死后 (无论怎样不容易看到 )，只要电脑的搜索得足够深，就会看到这个着法。因此，搜索得越深，电脑就会施展越复杂的作战计划。 　 爷爷时代的“最小-最大”原理 　 　　所有双向搜索算法的最基本的思想都是“最小 -最大” (Minimax)原理。它可以追溯到中世纪 (Dark Ages)，但我相信它最早是由冯 -诺依曼 (Von Neumann) 【应该是 John von Nuoma ， 1903-1957 ，美籍匈牙利数学家】在 60年前完整描述的： 　 　　 1. 假设有对局面评分的方法，来预测棋手甲 (我们称为最大者 )会赢，或者对手 (最小者 )会赢，或者是和棋。评分用数字表示，正数代表最大者领先，负数代表最小者领先，零代表谁也不占便宜； 　　 2. 最大者的任务是增加棋盘局面的评分 (即尽量让评分最大 )。 　　 3. 最小者的任务是减少棋盘局面的评分 (即尽量让评分最小 )。 　　 4. 假设谁也不会犯错误，即他们都走能让使局面对自己最有利的着法。 　 　　那么这该怎么做呢？设想一个简单的游戏，每方只走一步，每步只有两种着法可供选择。评分函数只和最后棋盘的局面有关，即评分是最大者和最小者着法综合的结果。

最大者的着法	最小者的着法	评分
A	C	12
A	D	-2
B	C	5
B	D	6

　　最大者假设最小者会下出最好的棋，因此他知道，如果他选择着法 A，那么他的对手会回应 D，使最终评分变成 -2(即获胜 )。但是，如果最大者走的着法 B，那么他就会获胜，因为最小者的最佳着法仍然是正数 (5)。所以按照“最小 -最大”算法，最大者会选择着法 B，即使他选择 A并且最小者走错时评分还会更高。 　　“最小 -最大”原理有个弱点，从简单的例子中还不能明显地看出来——要检查的各种路线的数量是指数形式的，这就意味者工作量会以几何级数增长。 　 　　 1. 每方有多少种可能的着法，这个数称为分枝因子 (Branch Factor)，用 b表示； 　　 2. 考虑的深度用 n表示，通常说“ n层”， n是整数，“层” (Ply)表示一个棋手走的一步棋。例如在上面介绍的迷拟游戏中，搜索深度是 2层。每个棋手走 1步。 　 　　例如在象棋中，通常在中局阶段分枝因子大约为 35种着法，在黑白棋中大约为 8。由于“最小 -最大”算法的复杂度是 O(bⁿ)，所以对一个局面搜索 4层就需要检查 150万条路线，这是多大的工作量！再增加上去， 5层就会把搜索树膨胀到 5000万， 6层则达到 18亿！ 【原作者这里写的是 8 层 150 万、 9 层 5000 万、 10 层 18 亿，不知为何多算了 4 层。】 　　幸运的是，有办法能在精确度不打折扣的情况下大幅度削减工作量。 　 Alpha-Beta 搜索 —— 让“最小-最大”法成为现实(也只是有一点点现实) 　 　　设想你在迷拟游戏中已经搜索了着法 B，结果你知道最大者在整个游戏中最高得分是 5。 　　现在假设你开始搜索着法 A了，并且一开始寻找的路线是 A-D，这条线路的得分是 -2。对于最大者来说，这是非常糟糕的，如果他走了 A，那么结果肯定会是 -2，因为最小者总是走得最好的。这是因为，如果 A-C比 A-D更好，那么最小者会选择 A-D，如果 A-C更坏 (比如说 -20)，那么最小者就会选择这条路线。所以，没有必要再去看 A-C以及其他由 A产生的路线了——最大者必须走 B，因为到此位置的搜索已经能证明，无论如何 A是个更糟的选择。 　　这就是 Alpha-Beta算法的基本思想——只要你有一步好的着法，你就能淘汰其他可能导致灾难的变化，而这样的变化是很多的。如果再跟前面介绍的置换表结合起来，当不同路线的局面发生重复时可以节省下分析局面的时间，那么 Alpha-Beta就能产生无限的能量——在最好的情况下，它处理的结点数是纯粹的“最小 -最大”搜索的平方根的两倍，从 1500万可以减少到 2500。 　　【要说明 Alpha-Beta 搜索的结点数是死办法 ( 即不用 Alpha-Beta 搜索的办法 ) 的平方根的两倍那么多，可以分别计算搜索树中两种类型的结点—— Alpha 结点和 Beta 结点。 　　 Alpha-Beta 搜索是完全搜索，如果某个结点是完全搜索的，那么这个结点称为 Alpha 结点，显然根结点是 Alpha 结点。那么 Alpha 结点的分枝又是什么呢？至少有一个 Alpha 结点，这是肯定的，最好的情况下，剩余的结点都可以产生截断，这些结点称为 Beta 结点。 Beta 结点有个特点，只要它的分枝中有一个 Alpha 结点产生作用，那么剩下的结点就没有搜索的必要了，我们还是取最好的情况，分枝中只有一个 Alpha 结点。 　　那么如何计算 Alpha 结点的个数呢？一个 Alpha 结点下面有 b  -  1 个 Beta 结点，每个 Beta 结点下面又有 1 个 Alpha 结点，这样深度每增加了两层结点数才扩大 b 倍，因此总的 Alpha 结点数就是 b^n/2 。同样道理， Beta 结点也这么计算，得到的结果也是 b^n/2 ，因此总结点数就是 2b^n/2 。】 　 对着法排序来优化 Alpha-Beta 搜索 　 　　可是，我们如何才能达到预期的效果呢？我们是否还需要做其他事情？ 　　的确是的。只要 Alpha-Beta搜索可以找到比其他着法好的着法，它就能对搜索树作出非常有效的裁减，这就意味着，关键在于首先搜索好的着法。当我们在搜索其他着法以前先搜索到最好的着法，那么最好的情况就发生了。然而最坏的情况，搜索着法的顺序是按评分递增的，即每次搜索到的着法都比曾经搜索的着法要好，那么这种情况下的 Alpha-Beta搜索就无法作出任何裁减，这种搜索将退化为极其浪费的“最小 -最大”搜索。 【这就是前一章的标题中写道“也只是有一点点现实”的原因。】 　　对搜索进行排序是相当重要的。让着法随便排列肯定不行，我们必须找到更聪明的办法。不幸的是，如果有简单的办法知道最好的着法，那还有搜索的必要吗？因此我们必须用“猜最好的着法”来对付。 　　有很多技术可以让着法的顺序排列成尽可能好的顺序： 　 　　 1. 用评估函数对着法打分，然后排序。直觉上这会起到作用，评估函数越好，这个方法就越有效。不幸的是在象棋中它一点也不起作用，因为下个月我们将了解到，很多局面是不能准确评估的。 　　 2. 找到在置换表中已经存在的局面，如果它的数值足够好，就会产生截断，这样就不必再进行其他搜索了。 　　 3. 尝试特定类型的着法。例如，后被吃掉肯定是最坏的想法，所以先检查吃子的着法是行之有效的。 　　 4. 把这个思路进行拓展，关注已经在同一层深度产生过截断的着法。“杀手启发” (Killer Heuristic)是建立在很多着法是次序无关的基础上的。如果你的后被攻击了，不管你把 H2兵挺一格还是两格，对手都会吃掉你的后。因此，如果在搜索 H2-H3着法时，“象吃掉后”的着法会产生截断，那么在搜索 H2-H4着法时，“象吃掉后”很有可能也产生截断，当然应该首先考虑“象吃掉后”这一步。 　　 5. 再把杀手启发拓展到历史表上。如果在前面几回合的搜索中，发现 G2-E4的着法很有效，那么很有可能现在仍然很有用 (即便原来的格子是象而现在变成了后 )，因为棋盘其他位置的情况不太可能有多少变化。历史启发的的实现非常简单，只需要一个 64x64的整数数组，它可以起到很可观的效果。 　　现在已经谈了所有宝贵的思想，然而最有效的方法却稍稍有背于人的直觉，这个方法称为“迭代加深” (Iterative Deepening)。 　 迭代加深的 Alpha-Beta 搜索 　 　　如果你正在搜索 6层的局面，那么理想的着法顺序应该由同样层数搜索的结果来产生。既然这明显是不可能做到的，那么能否用稍浅的搜索 (比如说 5层 )来代替呢？ 　　这就是迭代加深方法背后的思想——一开始搜索 2层，用这样种搜索产生的着法顺序来搜索 3层，反复如此，直到到达规定的深度。 　　这个技术会受到一般人的质疑——大量的努力是重复的 (8到 10次乃至更多 )，不是吗？ 　　那么考虑一下搜索树的深度 n和分枝因子 b好了。搜索树在第 1层的结点数为 b，第 2层是 b²，第三层是 b³，等等。如果 b很大 (记住中局时在 35左右 )，那么绝大多数工作量取决于最后一层。重复搜索 (n - 1)的深度其实是小事一桩，即便迭代加深一点也不起作用，它也只会多花 4%的时间 (在通常的局面上 )。 　　但是，它的优势是非常可观的——由浅一层搜索的结果排列得到的顺序，在层数加深时可以大幅度增加截断率。因此，迭代加深的 Alpha-Beta搜索实际上找的结点数，会比直接的 Alpha-Beta搜索的少很多。在使用置换表后，它的收效就更可观了——重复搜索浅的部分就几乎不需要时间了，因为这些结果在置换表里都有，没有必要重新计算了。 　　【需要指出的是，实际运用中通常只对根结点进行迭代加深，这样搜索的结点数是 1 + b +  …  + bⁿ ，比 bⁿ 大不了多少。如果每个结点都用迭代加深，则需要搜索的结点数就是 (1 + b)ⁿ ，刚才提到在最好的情况下分枝因子为合理着法数的平方根，即 b 在 6 左右，而 6ⁿ 和 7ⁿ 是有很大区别的。 　　事实上，要在每个结点上都使用迭代加深，只要检查置换表就可以了，因为从根结点处做深一层的搜索时，除了新增加的一层结点以外，其他各层结点上都有最好的着法存储在置换表中了，这些着法应该优先考虑，绝大多数着法能产生裁剪，而不需要检查杀手表或者做产生产生。 　　另外，迭代加深可以大幅度提高历史表的效率，在前一次 N 层的搜索中历史表已经有相当丰富的历史着法信息了，在做 N + 1 层搜索时，这些历史信息可以让着法有更好的顺序。】 　 电脑下棋的风格 　 　　迭代加深的 Alpha-Beta搜索和置换表 (并且在历史表的推动下 )能让计算机对局面搜索到相当的深度，并且可以下国际象棋了。应该这么说，它的祖先“最小 -最大”算法决定了那台电脑 (曾经在世界上有惊人之举的那台电脑 【即冯 - 诺依曼的 ENIAC 】 )下棋的风格。 　　例如，设想电脑能对一个局面搜索 8层，通常在考虑某一步时，这种让人不解的模式会让让它战胜对手。只有少数一些看不清的、复杂的、迷惑人、超出直觉局面，才能让对手抓住一线机会取得胜利，而对于人类棋手 (甚至大师 )来说，这样的局面陷阱已经可以写到书里去了。 　　然而，如果电脑找到了一个导致和棋的无聊着法，它就会绕过陷阱，因为它假设对手会作出正确的应对，无论那种可能性有多小，只要电脑认为平局是最高的期望。 　　结果你可能会说，电脑下棋会极端谨慎，就像对手都是世界冠军一样。如果考虑到电脑算不到出人类棋手布置的陷阱那个深度，人类就会绞尽脑汁布设陷阱，让电脑犯错误。 (人类棋手会研究对手的下棋风格，如果卡斯帕罗夫有机会和深蓝下一百盘棋，他可能会找到深蓝的弱点并且打败它。但是我们不知道有没有这种可能性。 【现在看来，卡斯帕罗夫战胜深蓝是不在话下的，因为近几年他一直在和水平更高的电脑较量。】 ) 　 下一个月 　 　　在第五部分，我们会讨论直接或改变深度的 Alpha-Beta搜索的局限。我们还会讨论如何利用一些技术，诸如空着启发 (Null-Move Heuristic)、静态搜索 (Quiescence Search)、期望搜索 (Aspiration Search)、 MTD(f)搜索，以及让深蓝名声显赫的“单步延伸” (Singular Extensions)技术，它们会提高下棋水平。坚持住，我们快要结束了！ 　 　　 Franç ois Dominic Laramé e， 2000年 8月 　 　　原文： http://www.gamedev.net/reference/programming/features/chess4/ 　　译者：象棋百科全书网  ( webmaster@xqbase.com ) 　　类型：全译加译注