Minic：一款强大的开源国际象棋引擎

Minic：一款强大的开源国际象棋引擎

Minic A simple chess engine to learn and play with 项目地址: https://gitcode.com/gh_mirrors/mini/Minic

在开源的国际象棋引擎领域，Minic以其出色的性能和独特的特性，逐渐崭露头角。本文将为您详细介绍Minic的核心功能、技术分析、应用场景及项目特点，帮助您更好地了解并使用这一项目。

项目介绍

Minic是一个国际象棋引擎，由开发者用于学习国际象棋编程和现代C++技术。它不包含图形界面（GUI），但兼容CECP和UCI协议，可以与多种流行的国际象棋软件配合使用，如Cutechess、Arena、Banksia等。Minic目前在全球主要的评级列表中排名前15，是法国最强的国际象棋引擎。

项目技术分析

Minic的开发始于2018年10月，最初是一个仅有2000行代码的周末项目。随着功能的增加，代码量逐渐增长，但开发者始终致力于保持代码的简洁性。从版本2开始，Minic的代码风格变得更加经典，虽然仍保留一些密行的特点。

Minic的开发过程中，特别值得一提的是神经网络评估（NNUE）的集成。从版本2.47开始，Minic可以构建使用StockfishNNUE框架的版本，这显著提升了引擎的Elo评分。但从版本3.00开始，Minic采用了Seer chess engine作者的NNUE实现，不再兼容Stockfish的NNUE网络。

项目技术应用场景

Minic作为一款国际象棋引擎，主要应用于以下场景：

1. 棋力评估：Minic的Elo评分可达3400，能够与其他顶级引擎进行较量，为棋手提供准确的棋力评估。
2. 棋谱分析：Minic可以分析棋谱，为棋手提供开局、中局和残局的最佳走法建议。
3. 学习与训练：棋手可以使用Minic进行自我训练，通过分析引擎的走法，提高自己的棋艺。

项目特点

Minic具有以下显著特点：

1. 兼容性强：支持CECP和UCI协议，可以与多种国际象棋软件配合使用。
2. 性能卓越：在全球主要的评级列表中排名前15，是法国最强的国际象棋引擎。
3. 灵活配置：支持多种神经网络评估网络，用户可以根据自己的需求选择合适的网络。
4. 持续更新：Minic的开发者不断进行优化和更新，使其保持竞争力。

以下是Minic的一些技术创新：

• 使用位置评分表（PST）在移动排序器中补偿静止移动的历史分数接近0的情况。
• 聚合历史评分用于移动排序器和历史启发式（cmh + history[piece and color][tosquare] + history[color][square][square]）。
• 基于危险（来自评估）的剪枝和搜索减少。
• 基于紧急情况（来自IID循环的不稳定性）的剪枝和搜索减少。
• 基于历史的（boom/moob）剪枝和搜索减少。
• 在搜索中使用移动性数据。
• 考虑对手名称或对手评分的对手模型。
• 用户可配置的"特征"评估参数，用于调整游戏玩法（仅适用于HCE评估，不适用于NNUE）。
• 使用考虑表格入口深度的深度因子进行剪枝和减少。

Minic的神经网络评估（NNUE）在性能和原创性方面也有显著特点：

• 推断代码：基于Seer的实现，经过大量重构和实验（如剪辑ReLU、读取量化、向量化、基于棋子数量的子网等）。
• 网络拓扑：尝试了多种网络结构（有无跳接、更大或更小的输入层、层数、棋子桶等），目前采用基于棋子数量的多桶网络，具有共同的输入层和两个内部网络。
• 训练代码：主要基于Gary Linscott和Tomasz Sobczyk的pytorch训练器，适应和调整到Minic。
• 数据生成代码：完全原创，纯Minic数据。尝试了多种数据生成方法（在搜索树中生成、自我对弈、多PV、随机、有无Syzygy等）。

总之，Minic是一个功能强大、特点鲜明的开源国际象棋引擎，无论是棋手还是国际象棋爱好者，都可以从中受益。我们鼓励用户在最新的硬件上使用Minic，以充分利用其性能。

Minic A simple chess engine to learn and play with 项目地址: https://gitcode.com/gh_mirrors/mini/Minic