黑白棋算法分析

╮(╯▽╰)╭

从小不怎么喜欢五子棋,下的不好~也没怎么研究过,我的水平也就是想人机对战算法那样见到三个的就堵一下的那种~

但是我很喜欢玩黑白棋~简单嘛O(∩_∩)O哈!

做完五子棋以后,我想把我喜欢玩的黑白棋也做一个出来,下面是我想的黑白棋游戏的算法分析:

界面和五子棋一样
但是最开始在棋盘中央有四个棋子(两黑两白,交错)

 

在每下一个棋子以后进行判断:
分别从所下棋子位置向左,向右,向上,向下,左上,右上,左下,右下寻找相同棋子(黑子值为1,白子值为-1)直到没有子(值为0)或者找到相同颜色的子

如果找到相同颜色的子,那么中间的棋子全变为相同颜色(改变值,再将棋子重绘)

 

输赢条件:棋盘全部下满,哪个颜色的棋子多,哪个赢

 

不能下子情况:
下子前判断是否可以下子:若不满足下子条件,提示不可以下子,然后让对手下
若要下的位置八个方向上没有相同颜色的子或者与相同颜色的子相邻

 

下子判断方法:
取得将要放棋子的位置
向右检测是否有相同颜色棋子,如果有且不相邻,改变中间棋子颜色
否则返回NULL
向左检测是否有相同颜色棋子,如果有且不相邻,改变中间棋子颜色
否则返回NULL
向上检测是否有相同颜色棋子,如果有且不相邻,改变中间棋子颜色
否则返回NULL
向下检测是否有相同颜色棋子,如果有且不相邻,改变中间棋子颜色
否则返回NULL
向右上检测是否有相同颜色棋子,如果有且不相邻,改变中间棋子颜色
否则返回NULL
向右下检测是否有相同颜色棋子,如果有且不相邻,改变中间棋子颜色
否则返回NULL
向左上检测是否有相同颜色棋子,如果有且不相邻,改变中间棋子颜色
否则返回NULL
向左下检测是否有相同颜色棋子,如果有且不相邻,改变中间棋子颜色
否则返回NULL
如果返回值都为NULL 将数据初始化,并提示不能放子。

 

先把上面的基本功能写出来~然后再搞别的吧~哈~

•Alpha-Beta剪枝(Alpha-Beta pruning) 对于一般的最大最小搜索,即使每一步只有很少的下法,搜索的位置也会增长非常快;在大多数的中局棋形中,每步平均有十个位置可以下棋,于是假设搜索九步(程序术语称为搜索深度为九),就要搜索十亿个位置(十的九次方),极大地限制了电脑的棋力。于是采用了一个方法,叫“alpha-beta剪枝”,它大为减少了检测的数目,提高电脑搜索的速度。各种各样的这种算法用于所有的强力Othello程序。(同样用于其他棋类游戏,如国际象棋和跳棋)。为了搜索九步,一个好的程序只用搜索十万到一百万个位置,而不是没用前的十亿次。 •估值 这是一个程序中最重要的部分,如果这个模块太弱,则就算算法再好也没有用。我将要叙述三种不同的估值函数范例。我相信,大多数的Othello程序都可以归结于此。 棋格表:这种算法的意思是,不同的棋格有不同的值,角的值大而角旁边的格子值要小。忽视对称的话,棋盘上有10个不同的位置,每个格子根据三种可能性赋值:黑棋、白棋和空。更有经验的逼近是在游戏的不同阶段对格子赋予不同的值。例如,角在开局阶段和中局开始阶段比终局阶段更重要。采用这种算法的程序总是很弱(我这样认为),但另一方面,它很容易实现,于是许多程序开始采用这种逼近。 基于行动力的估值:这种更久远的接近有很强的全局观,而不像棋格表那样局部化。观察表明,许多人类玩者努力获得最大的行动力(可下棋的数目)和潜在行动力(临近对手棋子的空格,见技巧篇)。如果代码有效率的话,可以很快发现,它们提高棋力很多。 基于模版的估值 :正如上面提及的,许多中等力量的程序经常合并一些边角判断的知识,最大行动力和潜在行动力是全局特性,但是他们可以被切割成局部配置,再加在一起。棋子最少化也是如此。这导致了以下的概括:在估值函数中仅用局部配置(模版),这通常用单独计算每一行、一列、斜边和角落判断,再加在一起来实现。 估值合并:一般程序的估值基于许多的参数,如行动力、潜在行动力、余裕手、边角判断、稳定子。但是怎么样将他们合并起来得到一个估值呢?一般采用线性合并。设a1,a2,a3,a4为参数,则估值s:=n1*a1+n2*a2+n3*a3+n4*a4。其中n1,n2,n3,n4为常数,术语叫“权重”(weight),它决定了参数的重要性,它们取决于统计值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值