围棋AI之路（二）棋盘的实现

代码先公布：http://download.csdn.net/source/891878

到现在为止，我只实现了一个棋盘，确切的说是在棋盘上随机走棋的速度测试程序，我借鉴了lib-ego，在上面做了一些改进，现在这个棋盘可以使用围棋规则或者五子棋规则。我的目标是让我的AI程序用同样的算法来对待围棋、五子棋甚至小时候玩过的黑白棋，它不需要任何棋类知识，你只要告诉它下棋的规则。我们的脑细胞可曾了解究竟什么是围棋？它们只是机械的执行自己的职能，而亿万个细胞堆叠在一起就使人类会下棋了。

上面说的三种棋的棋盘有一些共同的特点：棋盘是由n行n列的平行线段交叉组成的格子，棋子分黑白两种颜色，棋手分为两方，分执一种颜色的棋子。双方轮流下子，每次下一个子，棋子要下在空的交叉点上（黑白棋似乎是下在格子里，但是应该没有本质区别）。

根据这些特点我们开始设计棋盘的结构。

一、比特棋盘

很想在围棋中使用比特棋盘，就像国际象棋中那样，用一个64bit的数就描述了棋盘上的一种棋子。围棋上尽管也可以做到，例如用一个361bit的数来描述棋盘上的黑棋，另一个361bit数描述白棋，但是没见过谁这么做。

一般还是用传统的数组来描述棋盘，数组的每个元素有三个状态：黑(black)、白(white)、空(empty)。

为何计算机不是三进制的？我以前曾经这么想过，如果计算机是三进制的，会不会能更好的描述围棋？

后来我发现，其实棋盘上的点不只三个状态，还漏掉了一个off_board，也就是棋盘外的点。因此棋盘其实是4进制的，和2进制的计算机还是契合的不错的。

如何理解off_board也是一种状态？我们可以观察一下棋盘的边界，边界再往外就是off_board了，对围棋来说，通常的一颗子有4口气，但是到边界上就变成三口气或者两口气了，就仿佛边界外有敌人的子一样。对于五子棋，如果对方冲四冲到边界上，就不用挡了，就好像棋盘外有自己的棋子给它挡住了一样。

我按这种物理意义来为这些状态指派2进制数：

empty 00
black 01
white 10
off_board 11

这里empty就是没有棋子，black和white分别有一个棋子，而off_board则是同时有两个棋子，哪方的棋子靠近它，它就表现为另一方。

这样做的好处是，我可以用一个8bit的数来描述一个棋子的邻点，8bit总共256种情况，非常适合查表，通过查表，我就能得知任何情况下交叉点的“气”了。

关于计算交叉点的“气”，lib-ego中采用的另一种方法，它仅仅只增量计算交叉点周围黑、白、空三种情况的数量（off_board就分摊到黑白两种情况上了），而不管具体分布情况。目前我还没有发现我的方法表现出来的优势，但是我坚信我的方法比lib-ego中的好，因为它合乎道。

看起来，可以用一个8bit的数来存4个位置的状态，那么整个棋盘总共需要56个64bit数，比国际象棋没多太多，然而最终我没有贯彻比特棋盘的思想，因为我觉得那样不自然，我仍然选用传统的数组方式。

二、代码优化

许多人都指出优化应该晚做。但是对一份已经优化过的代码，如果不了解其优化手段，很难明白一些代码的意义。

1 使用编译期常量来代替变量。

例如棋盘的尺寸这个量，棋子的坐标计算依赖于它，为一些结构分配多大空间也与这个量相关。为了避免运行期再去计算这些东西，我们可以用宏或者const int来定义它：

1. const uint board_size = 9;

但是我们希望