象棋人工智能算法的C++实现（一）

 

前言：自AlphaGo战胜世界著名九段围棋手李世石之后，我就对棋类人工智能产生了极大的兴趣，并想要自己实现象棋的人工智能。然而那个时候我还在读高二，没有这么深厚的代码基础，所以那个时候也就只能想想了。但是现在不一样了，通过学习编程，已经可以让我在棋类人工智能这个领域向前探索了。

小编推荐一个学C语言/C++的学习群：948954484，入群即送C/C++全套学习资料，满满的干货！

首先说明一下本系列博客描述的人工智能算法不是基于机器学习、深度学习这么高深的知识，而是一种穷举找最优走法的算法。之所以AlphaGo不能使用这种算法战胜李世石，是因为围棋棋局局势的判断是极为复杂的，想要穷举所有的情况，全世界所有的计算机一起运行一百万年也无法找到最优走法。所以DeepMind团队的大佬就想出了另一种解决方案就是让AlphaGo自己学习高水平棋手间的对局，从而提升AlphaGo的棋力。然而象棋的棋局判断还是比较容易的，杀掉对面的老将就可以获胜，杀掉对面的车马炮等棋子就可以提高自己的胜率/降低对方的胜率。具体的算法在之后的篇章详细讲解。

 

实现本系列博客中算法的编程工具是Qt5.5.1。

小编推荐一个学C语言/C++的学习群：948954484，入群即送C/C++全套学习资料，满满的干货！

既然实现象棋人工智能的算法的本质是穷举，那么就要找到所有的通路，所谓的通路就是能够走棋的那些“路”们，走不通的那些“路”就要直接被pass掉。

 

1.先把棋盘抽象出来，象棋棋盘有10行9列，行标设为0~9，列标设为0~8。以左上角的坐标为(0,0)，假设初始时上方为红棋，下方为黑棋。则初始时所有棋子的坐标为：

 

车1（红方）：(0,0)；车2（红方）：(0,8)；

 

马1（红方）：(0,1)；马2（红方）：(0,7)；

 

相1（红方）：(0,2)；相2（红方）：(0,6)；

 

士1（红方）：(0,3)；士2（红方）：(0,5)；

 

将（红方）：(0,4)；

 

炮1（红方）：(2,1)；炮2（红方）：(2,7)；

 

兵1（红方）：(3,0)；兵2（红方）：(3,2)；兵3&