较高人工智能的人机博弈程序实现 多个算法结合 含C++源码

               

较高人工智能的人机博弈程序实现(多个算法结合)含C++源码

 本文由恋花蝶最初发表于http://blog.csdn.net/lanphaday上，您可以转载、引用、打印和分发等，但必须保留本文完整和包含本声明，否则必究责任。

 到昨天晚上，Topcoder Marathon Match 6结束了，我取得了第18名的成绩，已经是自己参加Marathon四次以来的最好名次啦，高兴ing。因为这次的题目比较偏：写一个人工智能程序和服务器端的程序进行博弈。人机博弈是一门比较专的学科，大部分中国高手都不能快速的在比赛中学习和实现一些复杂的算法，以致成绩不太如意；我挟之前对这方面的了解，做得还算行，所以把代码公开出来，可以多一点中文方面的资料和源码给大家参考，我也感到非常荣幸。
 比赛的题目请看这里：http://www.topcoder.com/longcontest/?module=ViewProblemStatement&rd=10118&pm=6759 主要的游戏规则也是在这里的，我就不在这里重复啦，主要讲讲我的代码用到了什么算法。麻将虽小，五脏俱全，主要应用的算法有主要变量搜索(PVS)、历史启发(HH)、杀手启发(KH)、Null Move和迭代深化(ID)，可惜后来不够时间实现置换表(TT)，不然可以多一个算法了。代码里还实现了时间控制策略，可以几乎用尽20秒的测试时间，为争取更好的着法提供了保证。还有值得一提的是棋盘表示，我使用了棋盘表、棋子位置表结合的方式来表示，后来发现加上空位表的话，可以加快不少走法生成和估值的速度。反正棋盘表示是一切的基础，一种好的表示方法可以带来很大的性能提升。对于代码，大家注意class SE里的search_move和pvs两个函数，上述的算法和策略都在那里。class MG是关于棋盘表示、走法生成和估值的，class KH和class HH分别是杀手启发和历史启发。Null Move是简单有效的算法，不过我的实现里是比较简单的那种，如果有兴趣，可以查询其它资料。
 
 讲了这么多，应该说一下这份代码的计算能力：以6*6的棋盘为例，这份代码在VC6的release模式下编译运行可以在1秒内搜索并评估83万个叶子节点，计算层次在8-9层；如果用MiniMax算法不进行剪枝，只能搜索到3-4层（测试机器皆为超线程P4 3.0G＋1G内存）。这就是算法的力量吧。另声明一下，本代码未作优化，不代表我不懂，只是没有时间，看的朋友请海涵了。 

下面是代码，在VC和G++上皆可编译、执行

因为比赛期间写的，代码比较乱，但整体的风格还是可以的，复制到IDE上看可能会更好看些

#include  < iostream >
#include  < cstdlib >
#include  < ctime >
#include  < cassert >
#include  < vector >
#include  < algorithm >

using   namespace  std;

typedef unsigned  int  UINT;
typedef UINT MOVE;

const   int  INFINITY  =   100000000 ;
const   int  MAX_DEPTH  =   16 ;

const  UINT max_board_size  =   256 ;
const  UINT max_stones_cnt  =   256 ;

const  UINT empty  =   0 ;
const  UINT my_color  =   1 ;
const  UINT svr_color  =   2 ;

#ifdef WIN32
const  clock_t all_time  =   19200 ;
#else
const  clock_t all_time  =   19200000 ;
#endif

const  UINT check_time_cnt  =   0x00001fff ;

#define  is_empty(x) (x==empty)

#define  opp_color(x) (x==my_color?svr_color:my_color)

int  leaf_cnt  =   0 ;

class  MG
... {
private:
    UINT N_;
    UINT board_[max_board_size];