中国象棋人机博弈系统的设计与实现.docx

中国象棋人机博弈系统的设计与实现.docx

《中国象棋人机博弈系统的设计与实现.docx》由会员分享，可在线阅读，更多相关《中国象棋人机博弈系统的设计与实现.docx（24页珍藏版）》请在冰豆网上搜索。

中国象棋人机博弈系统的设计与实现

班级031221

学号03122014

本科毕业设计论文

题目中国象棋人机博弈系统的设计与实现

学院计算机学院

专业网络工程

学生姓名李盼舒

摘要

中国象棋发展至今已经有了几千年的历史，是中华民族灿烂的文化瑰宝，它具有浓厚的趣味性，规则简单明了，在中国已经成为了一项普遍的棋类运动，是其他棋类远远无法比拟的，并且目前，中国象棋正在往国外发展。

为了使中国象棋更加具有趣味性，我们在象棋博弈中加入了人机交互,实现了一个中国象棋人机博弈系统，这个系统是将计算机和人工智能结合起来的一种电脑游戏。

本文研究了中国象棋在电脑上的局面表示，走棋过程中走法生成和局面评估、博弈树搜索等一系列的问题。

通过visualC++开发平台和MFC文档视图体系结构实现了一个包括人人对战、人机对战、残局保存、读取残局、悔棋、还原等功能模块的中国象棋人机博弈系统。

本系统为象棋爱好者提供了一个平台，满足了玩家对中国象棋的基本需求。

关键词：

中国象棋人工智能博弈树搜索算法估值函数

ABSTRACT

ChinesechessisagorgeousculturaltreasureofChinesenationwiththousandsofyearshistory.Ithasakeeninterestandsimpleruleswhichhasbeenapopularchessgameinchinathatcan’tbematchedbyanyotherkindsofchess.What’smore,nowadays,Chinesechessisrapiddevelopmentinforeigncountries.InordertoadvancingtheinterestofChinesechess,weaddhuman-computerinteractionintochess-playingsystem,makingahuman-computerinteractiongamethatisakindofcomputergamewhichhasacombinationofcomputerandartificialintelligence.

ThispaperstudiestheproblemofboardpositionofChinesechess,movegenerationandsituationassessment.ItreachesaChinesechessgamesystemwithavarietyoffunctionalmoduleswhichinvolves“man-manbattle”,“man-machinebattle”,thekeepingandreadingoftheend-game,undoingandrestoringthroughVisualC++platformandMFC.

ThissystemprovidesaplatformfortheChinesechessenthusiasts.ItcanmeetthebasicneedsofplayerstowardsChinesechess.

Keywords:

Chinesechessartificialintelligencegameplayingtreealgoritjm

evaluatefunction

第一章绪论

1.1选题的背景和意义

近几十年来，随着计算机硬件和软件技术的飞速发展，电脑游戏产业展现出了蓬勃发展的势头，已经变成与音乐、影视等并驾齐驱的娱乐产业。

人们也开始对计算机是否可以战胜人脑产生了兴趣。

从二十世纪八十年代起，电脑人工智能开始向人类智能提出了挑战，到1997年，IBM研究的超级电脑击败了当时的国际象棋冠军，成为人类人工智能发展史上的重要标志。

人类对于人工智能的探索是从棋类开始的，研究人工智能的学者们曾经表示：

如果我们要想深入的了解人类智能的核心技术，我们就必须掌握棋类的本质。

中国象棋从古代流传至今有了几千年的历史，是一种古老的文化，集人类科学、文化、艺术为一体，有助于开发人的智力，培养人的思维，锻炼人的毅力，使人更具有竞争意识。

并且相比较于国际象棋，中国象棋更为复杂，因此对中国象棋人机博弈问题进行研究更有意义。

如何让机器变得智能，可以和人类智力进行竞技，是本文研究的一个重要的问题，通过本文的研究，掌握人工智能的搜索、知识表示、计算，在人工智能领域进行一个深度的探索。

1.2国内外棋类博弈的发展现状

人类对于机器棋类博弈的研究最早是开始于国际象棋，美国数学家香农通过几十年的研究，找到了编写国际象棋程序的方法，他提出了通过一个函数评估局面的优劣，函数主要考虑一般棋手会考虑到的一些问题，例如：

棋子的棋力、棋子在棋盘上的位置、棋子间的相互制约和棋子的机动性等等。

香农是国际象棋博弈理论的先驱。

当国际象棋博弈已经发展到一个比较成熟的阶段，对中国象棋博弈的研究才刚刚开始。

直到1981年，张耀腾发表了第一篇研究中国象棋人机博弈的文章《人造智慧在电脑象棋上的应用》。

他在他的文章中以残局做实验，提出了局面评估函数是静态子力值、棋子机动性、棋子的位置、威胁和保护等之和，但是缺乏对全局的把握。

1982廖嘉成发表的《利用计算机象棋的实验》，其中包括对开局、中局和残局的研究。

1983年周玉龙、黄少龙一起开发的《象棋排局系列软盘》系统，实现了电脑与人的对弈。

这些研究成果为象棋软件的发展奠定了基础。

到了九十年代，中国象棋软件开始发展起来了，出现了一些比较著名的象棋软件，如《中国象棋》、《将族Ⅲ》、《象棋水浒战》、《象棋巫师》等，但是当时的象棋软件没有布局库，水平上比较弱。

进入21世纪以后，中国象棋人机博弈的研究受到越来越多的关注，并且随着计算机硬件和软件水平的不断提高，象棋软件得到了很大水平上的提升。

目前象棋软件比较厉害的是《新天机》、《台风引擎》、《象棋名手》、《新小虫》等，这些象棋软件基本上都有计算能力强，审局比较深入等优点，这也是现在中国象棋计算机博弈的正在进行进一步研究的地方。

1.3论文的主要工作

本文的主要工作是将人工智能和中国象棋结合在一起，通过MFC文档视图体系结构和VisualC++开发工具，设计并实现一个中国象棋人机博弈系统。

主要的部分是象棋的界面实现部分和博弈引擎部分。

界面拥有友好人机交互，主要包括棋盘、菜单、功能按钮，提供一些悔棋、还原或者走法显示之类的功能。

引擎部分主要是数据结构、走法生成、局面评估和搜索算法，是程序的核心部分。

第二章中国象棋简介

2.1简介

中国象棋历史悠久，起源于山西沁县。

战国时期，已经有了关于象棋的正式记载，如：

《说苑》载：

“雍门子周以琴见孟尝君，说：

足下千乘之君也，……燕则斗象棋而舞郑女。

”。

《楚辞·招魂》中有“蓖蔽象棋，有六簿些；分曹并进，遒相迫些；成枭而牟,北周象戏，呼五白些。

”。

因此在战国时期，象棋就开始在贵族中流传。

中国象棋发展到唐朝的时候，发生了巨大的变化，由原先的战国时期盛行的文博象棋发展到了有4个兵种，分别是“将、马、车、卒”，刚开始，和国际象棋一样的，中国象棋的棋盘也是由黑白相间的64个方格组成。

后又变成和围棋一样的90个网格点。

经过不断的传承和演变至宋代，中国象棋才完全定型。

增加了“炮”“象”、“士”这三个兵种。

记载于宋代的《事林广记》的象棋棋谱是中国目前所能看到的最早的象棋谱，比西方15世纪出现的国际象棋谱早200多年。

推翻了“中国象棋起源于印度”的言论。

到了明代，可能为了方便下棋和记忆，才将一方面的“将”改为“帅”，变得和现代中国象棋一样了。

中国象棋是一种两人对抗游戏，比赛方法类似于古代打仗。

两军对战，排列两边，有兵、马、车、炮，还有将军和士兵。

兵、马、车、炮作为主要的力量，将（帅）只待在军帐中指挥，还有卫兵保护他。

棋子在网格的交叉点上移动，将对方的棋子“吃掉”，占领对方的交叉点，或者直接进行移动都算走了一着，直到将对方的“将”或“帅”擒住，分出胜、负、和，完成对局。

2.2棋盘和棋子

中国象棋有三十二个棋子，分为红黑棋子两组，红子十六个、黑子十六个，对弈双方各一组，棋子的兵种是一样的，分为七个兵种：

红方分为：

帅（一个）、仕（两个）、相（两个）、车（两个）、马（两个）、炮（两个）、兵（四个）；黑方分为将（一个）、士（两个）、象（两个）、车（两个）、马（两个）、炮（两个）、卒（四个）。

为了区分红黑棋子，方便记忆，有四组兵种的名字是不一样的，其中帅=将、仕=士、相=象、兵=卒，但是它们两两间的作用完全相同。

“棋盘”是棋子的活动场所，就一方来说，棋面由五条横线和九条直线交叉组成。

中间中间有一条空白横道，称为“楚河汉界”，“楚河汉界”将整个棋盘分为两部分，两部分通过河界相连，变成了横十竖九的完整棋盘，拥有九十个交叉点，棋子就摆放在这些交叉点上。

“河界”中间不标直线，棋子跨越“河界”，无论是直走横走或斜走均按有线行棋。

棋盘上画“米”字形方格的地方，叫做“九宫”，“九宫”是“将帅”的王宫，开局时将就待在王宫的最深处。

2.3走棋规则

在中国象棋中各种棋子的走法是不一样的，都有自己的规则，规则如下：

“帅”（将）每一着只许走一步，前进、后退、横走都可以，但不能走出“九宫”。

将和帅不准在同一直线上直接对面，如一方已先占据，另一方必须回避。

“士”（仕）每一步只可以沿对角线方向移动一点，可进不可退，而且只能在王宫内移动，它是将帅的贴身护卫。

“象”（相）不能越过河界，每一招斜走两步，可进不可退，称为“象飞田”。

另外，如果在移动的过程中“田”中间有棋子，那么象是不能移动的，称为“塞象眼”。

“马”只能先水平或垂直移动一个交叉点，然后再像对角线的方向移动（如果第一步水平移动时，只能往移动方向的对角线移动；如果第一部是垂直移动，则对角线的移动方向不受约束），称为“马走日”。

另外，在理想的状况下，马可以随意移动到四周的八个点，故有"八面威风"之说。

但是如果在横向或者竖向旁边的交叉点上有别的棋子挡住，马就无法往那个方向移动，称为“蹩马腿”。

“车”可以在水平或着垂直方向移动任意个的点，但是不可以跨子移动。

一个车可以横向和纵向工控制十七个点，故有“一车十子寒”之说。

“炮”移动的方式和车很差不多，但它必需越过一个棋子来吃掉敌方的一个棋子，称为“炮打隔子”。

“兵”（卒）在过楚河汉界之前，只能向前面移动一点。

但是过了楚河汉界之后，兵除了不允许往后移动之外，它可以往左右移动了，故有“过河的卒子顶半个车”之说。

第三章系统分析

3.1MFC简介

本文用到的开发工具是VisualC++6.0,简称VC或者VC6.0，是微软推出的一款C编译器，将“高级语言”翻译为“机器语言（低级语言）”的程序。

VisualC是一个功能强大的可视化软件开发工具。

同时我们用到的是VisualC++下的MFC文档视图体系结构，下面我们对MFC做一个简单的介绍。

首先MFC是一个基础类库，这个库中封装了很多的WinAPI函数，它的类的层次结构如图3.1：

图3.1MFC类层次结构图

由于C++可以继承类，支持虚函数，和MFC的消息映射机制，程序员可以通过对类的继承和扩展来实现特定的功能。

另一方面MFC也是由各种类构成的一个应用程序框架，在VC++下建立一个新的MFC工程的话，MicrosoftVisuaC++通过AppWizard自动生成许多的文件，这些文件构成了一个框架，是用户接口的标准实现方法，程序员需要做的就是通过生成的接口在这个轮廓当中加入应用程序要实现的核心内容。

程序员可以通过资源编辑器设计用户界面和接口，也可以通过ClassWizard向框架文件中添加代码。

同时MFC也可以对工程文件进行封装，简单方便。

3.2棋局表示

计算机要下棋首先是要读懂象棋，意思就是要让计算机知道当前棋盘局面（棋盘上棋子的分布情况）。

对于计算机来说，它能读懂的就是由数据结构和算法所组成的程序，所以我们首先要考虑的是用什么样的数据结构来记录棋子和棋子在棋盘上的位置，用不同的数据结构来表示棋盘，程序会产生不同时间、空间复杂度。

采用10×9的二维数组来存取棋盘信息，是中国象棋棋局最为简单的一种表示方法。

二维数组的每个元素代表着棋盘上的一个节点，元素的值代表着这个节点上放置什么棋子或者没有棋子。

如果把棋盘看做是一个平面坐标系，我们可以通过数组元素的横坐标和纵坐标知道每个棋子的位置信息。

并且在棋盘上最多32个棋子，所以可以用一个32个字节的一维数组表示所有棋子的位置，其中每个字节的高4位表示该棋子的横坐标，低4位表示棋子的纵坐标。

而已经被吃掉的棋子用坐标范围以外的数表示。

这样棋盘信息就被装入这32个字节中。

当然也可以把棋盘看作一维的，每个元素保存直接的位置信息。

上面介绍的两个棋盘表示方法，一个是基于棋盘的数组，一个是基于棋子的数组。

棋盘数组中通过棋子的位置可以在常数时间内获得棋子类型，但通过棋子的类型获得棋子的位置则需要遍历；在棋子数组中通过棋子的类型可以在常数时间内获得棋子的位置，但通过棋子的位置获得棋子的类型则很麻烦。

如果将两种棋盘表示方法结合起来，那么我们既可以在常数时间内由棋子位置获得棋子类型，也可以在常数时间内由棋子类型获得棋子位置，这就大大提高了搜索的时间这就是“棋子-棋盘联系数组”，这是很多改进棋盘的基础。

棋局的表示是整个程序最基础的部分，之后所做的工作都要建立在这个基础上。

3.3走法生成

走法生成就是要通过遍历产生所有有效的走法，计算机通过程序挑选出最有利的走法，并判断人类棋手的走子是否符合走棋规则。

走法生成在博弈程序中是

特别复杂和耗费时间的部分，只能靠穷举来生成所有的走法，同时为了方便搜索，要将所有生成的走法存入一个队列，并且由于搜索的层数不同（我们这里将搜索深度定位1-3），还必须将走法所处的层数也存入队列。

根据实战统计，中国象棋每一步的合法走法大约是五六十中，还可以通过良好的数据结构和走法预生成来提高生成速度。

走法预生成是为了提高走法产生的效率，把每种棋子在某一位置的最大可走步建成一个数据库，在产生走法时直接取出数据，然后根据具体的棋局去除不合法的走法，即以空间换时间的优化。

走法生成是搜索的前提，优化走法生成很大程度上可以提高博弈速度。

3.4局面评估

对于整个中国象棋博弈程序来说，如果说搜索算法是程序的心脏，那么局面评估就是程序的大脑，这两个部分都是整个程序的核心。

在这里，局面评估的作用是通过象棋知识评价当前的棋局进行好坏的评价，通过一个函数将棋局局面进行量化，得到一个估值。

，正所谓：

“象棋似布阵，点子如点兵”，中国象棋知识错综复杂，但是在中国象棋博弈系统中我们要考虑到的棋类知识主要有四点：

子力价值和子力总和：

子力价值是指某一棋子本身所具有的价值。

棋子的子力价值决定棋子能控制的点位的多少。

例如，车是象棋中实力最强的棋子，在棋盘上移动与进攻都十分方便，所以假设车的值为10，那比车实力小的马的值可能就为6，卒值可能就为2等等。

但是各个子力价值只是参考，而真正能体现棋局优劣的是所剩的子力总和，单车胜不了士象全,而马炮可以对抗士象全，所以在评估局面时，首先要对双方的子力总和进行一个对比。

棋子的位置：

棋子的位置是指棋子在棋盘上的位置及可控的区域，例如，过河卒、沉底炮、以及车占士角等都是较好的棋子位置状态，而窝心马、将离开底线等则属较差的棋子位置状态。

棋子的机动性：

棋子的机动性是指棋子的灵活性。

例如，刚开局时，车的受到的约束较大，移动性较差，下棋讲究车早出，故有“输棋只因出车迟”之说。

同样被四面蹩脚的马，它是不能移动的，所以它的机动性为0.

棋子间的关系：

棋子间的关系在棋局当中是非常复杂的。

一个棋子和其它棋子之间的关系往往不是一对一的关系，例如，一个炮可能在攻击完对方的车之后被对方的马攻击。

3.4.1估值函数

在程序中，估值函数的作用是把局面的质量量化成为直观的数字，估值函数可以是简单的，也可以是复杂的，这取决于你在程序中加入的知识的数量。

在中国象棋博弈程序中，估值函数就是各种棋类知识综合考虑计算之后所得到的值。

对于棋子控制区域的打分我们也可以根据已经定义好的“控制区域价值表”，然后对其进行累加即可。

对于子力的打分，我们可以根据已经定义好的“棋子价值表”。

“棋子价值表”是由各个棋子的紧要程度和走法综合考虑得到的值。

在估值函数中，我们可以用这样的公式来计算一方棋子的子力总和：

sideValue（各种棋子的总价值和）=sum（PieceNum（该种棋子的价值）*PieceValue（某种棋子的数量））；

对于棋子的机动性的打分，我们需要给予棋子每种走法一个值，将每种走法的估值相加，就可以得到每个棋子的机动性得分。

然后可以用下面的表达式求某一方棋子机动性:

Mobility（棋子的灵活性分数）=Sum（MoveNum（某种棋子的合法走法数量）*MoveValue（该种棋子每一走法的价值））；

通过遍历棋盘，我们可以完成对控制区域的打分、子力打分和机动性打分，我们再根据关系表来考察棋子的相互关系，进行棋局棋子关系打分。

分析棋子关系时，由于王的特殊性，王一旦被攻击，那么整个游戏就结束了，所以我们要把王拿出来单独考虑。

其次，对其他的棋子，在分析棋子关系时，我们要考虑到：

当攻击者子力价值小于被攻击者子力价值，攻击方将愿意换子。

例如，一个马正受到一个兵的攻击，那我被攻击方将可以直接放弃对马的保护。

或者是多对多的情况，攻击方的子力总和<被攻击方的情况下，攻击方肯定是愿意直接换子的。

所以在程序中我们也考虑到要防止双方兑子过快，但是这里并没有考虑双方兑子后局面的变化（要通过大量的数据来研究重新考虑兑子过后的局面是否有效），可以在以后的研究中对引擎进行改进。

3.4.2估值函数和博弈性能

一般来说博弈系统的性能，速度，棋类知识满足下面的关系：

Performance（性能）=Speed（速度）×Kowledge（知识）

博弈系统的性能基本上取决于估值的速度和所加入的知识量。

但是从客观的角度来说，并不是完全正相关的关系。

知识的量上来说，知识越多，我们搜索时考虑的更加全面，所以搜索结果也是比较优的，博弈性能相对来说就好一些，但是当加入的知识越多时，搜索的速度就慢下来了，博弈的性能可能就相对降低了。

所以我们要想获得性能优异的博弈程序，我们必须在速度和知识二者中间寻求一个平衡。

当然，由于估值函数模块和其他程序模块的耦合度并不高，我们可以考虑替换很多的估值函数，最终给出估值，但是这样做效率比较低，我们应该寻求一种比较好的估值函数来提高博弈性能。

本文的是终点估值，即到达叶子节点时，使用估值函数对它进行估值，这种方法思路清晰，容易设计。

3.4.3估值函数的改进

目前比较常用到的估值函数的改进方法是通过手工调整，就是进行大量的测试，通过仔细的比对，通过自身掌握的棋类知识，比如，从经验上可以知道，一个车的价值要比一个兵大，给车赋予比兵大的数值，马炮则赋予位于其间的值;马和炮的地位相当，给予它们相当的数值，以避免盲目换子；如果对弈中使用了一些优秀的战术配合，那么就给予一定数值的奖励，等等。

将这些经验放进评估函数中反复对弈，然后不断修正参数，找出一组性能较高的参数。

本文中的估值函数优化方法主要是手工调整的方法，以后我们对程序的改进可以从机器智能计算的方面改进。

3.5搜索算法

搜索算法是整个程序的核心部分，相当于程序的心脏，驱动着整个程序的运行。

中国象棋的博弈树十分巨大，因此搜索算法的好坏很大程度上会影响到计算

机的下棋水平（搜索的速率越快，我们可以搜索的深度就越深）。

目前，计算机博弈搜索算法一般是图搜索策略，分为两类：

盲目搜索：

又称无信息搜索或者穷尽搜索，它包括宽度优先搜索、深度优先搜索和等代价搜索。

这种搜索方法会遍历整个博弈树（如果是无限图的话，那么搜索则永远不会终止），然后才能找到最优的路径，只适用于求解简单的问题。

这种搜索方法的代表是极大极小值搜索算法。

启发式搜索：

又称为有信息搜索河有序搜索。

启发式搜索是将一些具体的领域知识作为启发信息，对博弈树上的节点进行有选择的查找，以简化搜索过程。

3.5.1极大极小值搜索算法

极大极小值算法算法是一种最小化对手最大得益的算法（即一方要做出对自己最有利的选择）。

这种算法一般用在围棋、五子棋、象棋等棋类程序。

结局有三种可能：

胜利、失败和平局。

这个算法对战双方所考虑的角度是不一样的，一方总是选择对自己最为有利的局面，为另一方总是选择对对方最为不利的局面，其输赢的总和为0（有点像能量守恒，就像本身两个玩家都有1点，最后输家要将他的1点给赢家，但整体上还是总共有2点）。

中国象棋的博弈树很大的，如果用极大极小值算法来进行搜索，我们将必须遍历整个博弈树，这样的搜索效率会很低，搜索量也会非常的巨大，这个过程是不切实际的，但是如果毫无选择的减少搜索的范围，又会影响到搜索的结果，所以我们要考虑用什么方法对博弈树进行适当的裁剪，来降低搜索的数量，这就可以选择Alpha-Beta剪枝算法，Alpha-Beta剪枝算法可以在不影响搜索精度的条件下大幅减少搜索数目。

3.5.2Alpha-Beta剪枝搜索

Alpha-Beta算法是与极大极小值算法非常相似的算法，AlphaBeta剪枝方法是对Minimax方法的优化，它们产生的结果是完全相同的，只不过运行效率不一样。

一般来说，下棋双方对棋局肯定有着相似的认知，那就是你觉得对你很糟糕的局面，在你的对手看来则是对他很有利的局面，那么某些局面有可能导致很糟糕的局面的节点，你根本就没有考虑的必要，它只会把你引向更坏的局面，你应该放弃这个节点和它的子节点，这样一来就可以缩小博弈树，提高搜索速度，这称为“树的裁剪”。

如图3.2所示的极大极小树片段中，按照极大极小值搜索规则，从左路分枝

MAX5

MIN

图3.2α裁剪树

的叶节点倒推得到第一层MAX节点的值为5，可表示此时的着法最佳值，记为α，显然此α值可作为MAX方着法指标的下界。

在搜索中路分枝时，因为第二层着法的选择是取第三层节点的最小值，即取Min（8，3，“□”），而无论“□”中为何值，都不会比5大（最大为3），故可以将“□”表示的节点及其后继节点剪掉，不再考虑此节点的延伸。

同理搜索右路分枝，也可以进行剪枝操作，此类剪枝称为α-剪枝。

MIN

MAX

图3.2α裁剪树

如图3.2所示的极大极小树片段中，由左路分枝的叶节点倒推得到第一层MIN节点的值为n，可表示此时对方着法的钳制值，记为β。

显然此β值可作为MIN方可能实现着法指标的上界。

在搜索中路分枝时，因为第二层着法的选择是取第三层节点的最大值，即取MAX（5，12，“○”），而无论“○”中为何值，都不会比11小（至少为12），故可以将“○”表示的节点及其后继节点剪掉，不再考虑此节点的延伸。

同理搜索右路分枝，进行剪枝操作。

此类剪枝称为β-剪枝。

但是这个算法严重依赖于走法的寻找顺序。

很明显，搜索空间的大小和第一节点的估价值有关。

如果你最先搜到的总是最坏的节点，那么就不可能找到值比beta还要坏的节点，就不会有任何裁剪，该算法会和极大极小值算法一样，遍历整个博弈树，搜索效率很低。

但是如果我们最先搜到的总是最好的节点，这就是Alpha-Beta算法的搜索效率最好的情况。

在数学的角度来看，搜索效率能提高到原来的平方根。

在最好的情况下，把搜索的深度设为d，，节点的数量为极大极小值搜索算法的一半。

在最坏的情