Java游戏直棋（二）
类别: JAVA教程 
本部分为电脑的人工智能。
为了加快AI的计算速度，必须对前面的设计进行少量的修改，并最终向VC平台转移。在用VC实现的游戏中，棋盘将采用BitBoard技术，棋子的显示将彻底和逻辑分开。目前JAVA版本仍然采用数组表示棋盘，主要是便于逻辑分析和设计。
先对第一个AI进行总结。FirstAI：
package nicholas.game.chess;
class FirstAI extends ChessPlayer {
private ChessModel model[][][];
private StepStack stack;
private Step step;
private int layer;
private int turn;
protected GameRule gameRule;
public FirstAI(int t) {
super(false);
stack = new StepStack();
layer = 7;
// layer = 3;
turn = t;
}
public String getName() {
return "ColinRobot";
}
public Step getNextStep(ChessModel m[][][]) {
//algo
model = m;
System.out.println("max="+getLayerValue(0));
stack.removeAll();
return step;
}
//get largest value
private int getLayerValue(int lay) {
if(lay>layer) {
//no recursion
return -1*getModelValue();
}
int value = 0;
int max = -2000;
int decision;
for(int z=0;z<3;z++) {
for(int y=0;y<3;y++) {
for(int x=0;x<3;x++) {
if((x==1&&y==1)||model[z][y][x].isOccupied()) continue;
//assume lay chessman here
model[z][y][x].acceptChessman(Chessman.CHESS[(turn+lay)%2]);
decision = gameRule.checkStep(model[z][y][x], model);
switch(decision) {
case 0://win
stack.add(new Step(model[z][y][x],decision));
value = 1000;
break;
case 3://tiaodan|gan
gameRule.checkDecision(model[z][y][x],1,model);
stack.add(new Step(model[z][y][x],1));
value = 660;
/* value = -1*getLayerValue(lay+1);
//roll back
gameRule.undoStep(stack.remove(),model);
model[z][y][x].acceptChessman(Chessman.CHESS[(turn+lay)%2]);
//another
gameRule.checkDecision(model[z][y][x],2,model);
stack.add(new Step(model[z][y][x],2));
int b = -1*getLayerValue(lay+1);
//choose better
if(value<b) {
value = b;
} else {
//roll back
gameRule.undoStep(stack.remove(),model);
model[z][y][x].acceptChessman(Chessman.CHESS[(turn+lay)%2]);
//redo first
gameRule.checkDecision(model[z][y][x],1,model);
stack.add(new Step(model[z][y][x],1));
}
*/ break;
case 1://tiaodan
stack.add(new Step(model[z][y][x],decision));
value = 660;
break;
case 2://gan
stack.add(new Step(model[z][y][x],decision));
value = 320;
break;
default://tiaodan,gan,none
stack.add(new Step(model[z][y][x],decision));
value = -1*getLayerValue(lay+1);
}
if(value>max) {
max = value;
if(lay==0) {
//first layer, save step
System.out.println("max="+max);
step = stack.getTop();
}
}
//remove chessman
gameRule.undoStep(stack.remove(),model);
if(max==1000) return max;
}
}
}
return max;
}
private int getModelValue() {
return 3;
}
public void setGameRule(GameRule rule) {
gameRule = rule;
}
}
FirstAI直接继承ChessPlayer，以后将转为间接继承。采用最大最小深度优先搜索，结束对某分支（仅当前层次）的搜索的两个条件为：A.该层次玩家赢。B.最深搜索层次。最深搜索层次时将返回对局面的评估值（未设计，一律返回3，表示落子得3分。）。
后面的设计，除BitBoard实现棋盘外需要考虑几个问题：
1）搜索的层次。针对第一步着法，强制去除部分无关分支（x+y>2），再将搜索层次设置为7，即可得到正确的着法。因此估计最大的搜索层次设置为7即可。
2）算法的改进。即使搜索层次仅为7，计算一步也要考虑46亿种可能性，假设每种可能性需要60次运算，以我的本本的配置需要三分钟。是否设计开局库（计算表明部分落子仅有唯一应手）；另外将考虑采取其它的搜索技巧；破直将有额外的奖励（局面值>3）；考虑可杠可单时，单是否一定比杠有利。
3）局面的估值。比较复杂，考虑中。
为了加快AI的计算速度，必须对前面的设计进行少量的修改，并最终向VC平台转移。在用VC实现的游戏中，棋盘将采用BitBoard技术，棋子的显示将彻底和逻辑分开。目前JAVA版本仍然采用数组表示棋盘，主要是便于逻辑分析和设计。
先对第一个AI进行总结。FirstAI：
package nicholas.game.chess;
class FirstAI extends ChessPlayer {
private ChessModel model[][][];
private StepStack stack;
private Step step;
private int layer;
private int turn;
protected GameRule gameRule;
public FirstAI(int t) {
super(false);
stack = new StepStack();
layer = 7;
// layer = 3;
turn = t;
}
public String getName() {
return "ColinRobot";
}
public Step getNextStep(ChessModel m[][][]) {
//algo
model = m;
System.out.println("max="+getLayerValue(0));
stack.removeAll();
return step;
}
//get largest value
private int getLayerValue(int lay) {
if(lay>layer) {
//no recursion
return -1*getModelValue();
}
int value = 0;
int max = -2000;
int decision;
for(int z=0;z<3;z++) {
for(int y=0;y<3;y++) {
for(int x=0;x<3;x++) {
if((x==1&&y==1)||model[z][y][x].isOccupied()) continue;
//assume lay chessman here
model[z][y][x].acceptChessman(Chessman.CHESS[(turn+lay)%2]);
decision = gameRule.checkStep(model[z][y][x], model);
switch(decision) {
case 0://win
stack.add(new Step(model[z][y][x],decision));
value = 1000;
break;
case 3://tiaodan|gan
gameRule.checkDecision(model[z][y][x],1,model);
stack.add(new Step(model[z][y][x],1));
value = 660;
/* value = -1*getLayerValue(lay+1);
//roll back
gameRule.undoStep(stack.remove(),model);
model[z][y][x].acceptChessman(Chessman.CHESS[(turn+lay)%2]);
//another
gameRule.checkDecision(model[z][y][x],2,model);
stack.add(new Step(model[z][y][x],2));
int b = -1*getLayerValue(lay+1);
//choose better
if(value<b) {
value = b;
} else {
//roll back
gameRule.undoStep(stack.remove(),model);
model[z][y][x].acceptChessman(Chessman.CHESS[(turn+lay)%2]);
//redo first
gameRule.checkDecision(model[z][y][x],1,model);
stack.add(new Step(model[z][y][x],1));
}
*/ break;
case 1://tiaodan
stack.add(new Step(model[z][y][x],decision));
value = 660;
break;
case 2://gan
stack.add(new Step(model[z][y][x],decision));
value = 320;
break;
default://tiaodan,gan,none
stack.add(new Step(model[z][y][x],decision));
value = -1*getLayerValue(lay+1);
}
if(value>max) {
max = value;
if(lay==0) {
//first layer, save step
System.out.println("max="+max);
step = stack.getTop();
}
}
//remove chessman
gameRule.undoStep(stack.remove(),model);
if(max==1000) return max;
}
}
}
return max;
}
private int getModelValue() {
return 3;
}
public void setGameRule(GameRule rule) {
gameRule = rule;
}
}
FirstAI直接继承ChessPlayer，以后将转为间接继承。采用最大最小深度优先搜索，结束对某分支（仅当前层次）的搜索的两个条件为：A.该层次玩家赢。B.最深搜索层次。最深搜索层次时将返回对局面的评估值（未设计，一律返回3，表示落子得3分。）。
后面的设计，除BitBoard实现棋盘外需要考虑几个问题：
1）搜索的层次。针对第一步着法，强制去除部分无关分支（x+y>2），再将搜索层次设置为7，即可得到正确的着法。因此估计最大的搜索层次设置为7即可。
2）算法的改进。即使搜索层次仅为7，计算一步也要考虑46亿种可能性，假设每种可能性需要60次运算，以我的本本的配置需要三分钟。是否设计开局库（计算表明部分落子仅有唯一应手）；另外将考虑采取其它的搜索技巧；破直将有额外的奖励（局面值>3）；考虑可杠可单时，单是否一定比杠有利。
3）局面的估值。比较复杂，考虑中。
