言川的博客

剪枝是必须的上一篇讲了极大极小值搜索，其实单纯的极大极小值搜索算法并没有实际意义。可以做一个简单的计算，平均一步考虑 50 种可能性的话，思考到第四层，那么搜索的节点数就是 50^4 = 6250000，在我的酷睿I7的电脑上一秒钟能计算的节点不超过 5W 个，那么 625W 个节点需要的时间在 100 秒以上。电脑一步思考 100秒肯定是不能接受的，实际上最好一步能控制在 5 秒 以内。顺便说一下

什么是启发式搜索之前我们讲到需要优化一个重要的函数，就是 gen 函数 顾名思义就是生成待搜索的位置的函数。这个函数目前做了一个很简单的处理，就是只要一个空位的周围有邻居即可。而其实这么做是非常不合理的，它的不合理性体现在两方便：没有对结果进行排序，完全是按照数组的遍历顺序的。而Alpha Beta 剪枝的效率是非常依赖节点顺序的，这个我们马上就会讲一下。没有排除不需要节点。如果能减少一些不必要

最近Google宣布他们的围棋AI以5:0的战绩打败欧洲围棋三冠王。我一直对人工智能比较感兴趣，正好趁年前空闲的几天用JS写了一个五子棋的AI。其实很久以前就用自创的算法写过一个JAVA版的五子棋AI，不过棋力很不理想。这次用的是JS写的，所以无论任何平台上只要能打开网页的都可以玩。google爆出这个新闻之后，很多人觉得这是不是意味着电脑智商已经在人类之上了，围棋已经没有意义了之类的。甚至觉得这是

AI实现的基本思路-极大极小值搜索算法五子棋看起来有各种各样的走法，而实际上把每一步的走法展开，就是一颗巨大的博弈树。在这个树中，从根节点为0开始，奇数层表示电脑可能的走法，偶数层表示玩家可能的走法。假设电脑先手，那么第一层就是电脑的所有可能的走法，第二层就是玩家的所有可能走法，以此类推。我们假设平均每一步有50种可能的走法，那么从根节点开始，往下面每一层的节点数量是上一层的 50被，假设我们进行4

关于本博客这个博客不是把五子棋算法研究透彻之后再写的，而是一边研究算法一边写代码，同时一边写博客，所以有些博文的顺序不太对，比如 Zobrist 其实应该放在算杀之前就讲的。不过这并没有大的影响，总体上的顺序是OK的。另外，这一系列博客讲的五子棋代码其实是一个开源的项目，源码地址： https://github.com/lihongxun945/gobang由于是边写代码边写博客，所以博客中的代码不

关于剪枝问题前面讲到的通过Alpha-Beta剪枝和启发式搜索可以将4层搜索的平均时间降低到1秒以下。只有这两个优化方式其实目前最多可以做到6层搜索，就是把AI和玩家各向后推算三步。6层搜索的棋力其实相当弱，碰到经常玩五子棋的人基本都会输，更不要说对五子棋有研究的玩家。以目前的平均一个节点有50个子节点的搜索方式，把搜索效率提高50倍则可以增加一层搜索深度。而除了前面讲到的AlphaBeta剪枝和启

前面讲到了算杀，其实在算杀之前应该讲一下迭代加深。因为这些文章是我边做边写的一些笔记，所以顺序上可能不是那么严谨。AI没有找到最优解按照前面的所有算法实现之后（当然不包括算杀），会发现一个比较严重的问题，就是电脑在自己已经胜券在握的情况下（有双三之类的棋可以走），竟然会走一些冲四之类的棋来调戏玩家。这种走法出现的本质就是因为现在的AI只比较最终结果，并没有考虑到路径长短。所以很容易出现在6层搜索到一

为什么需要重构之前的代码有很多松散的模块组合在一起。在把 Zobrist 集成进去时，会发现全部需要走棋的操作其实都需要进行一次 Zobrist 异或操作。另外在逻辑上，其实很多模块都是可以合并到同一个类的，所以这次把代码进行了一次大的重构。所以如果发现博客说的一些模块找不到了也是很正常的，因为大部分模块都被移到了 Board 类中。这次重构主要的工作就是 把AI相关的代码分成了四个模块：Boar