中国象棋人工智能实现

中国象棋在我看来最难的人工对战中电脑怎能走这个问题，以下为本人浅见，希望各位多多包涵！

1.初步尝试

电脑的优势在于强大的计算能力，虽然其不知道怎么走合适，但是它能够模拟的将每一种走法都走一遍，选最优的走法来走。我们的思路就有了，首先需要解决两个问题：

（1）怎么判断局面最优？

（2）怎么模拟走？

第一个问题可以用每一个棋子的重要程度来打分，比如将最重要，所以给1000分，而车次之给100分，炮80等等

第二个问题因为每一个中国象棋实现方式不同，所以我分享一下本人代码

电脑模拟走一步的代码：

mov Board::getbestmove()
{
    /*
     * 1.获取所有可能走的步数
     * 2.试着走一下
     * 3.看看局面怎么样
     * 4.选择最好的走法
    */
    QVector<mov> canstep;
    canstep = getallstep();
    int maxscore = -100000;
    mov ret;
    for(auto it = canstep.begin();it!=canstep.end();it++)
    {
        mov step = *it;
        fakemove(step);             //模拟走一步
        int score = ctscore();        //计算局面分
        unfakemove(step);            //返回
        if(score>maxscore)            //计算最大的局面分
        {
            maxscore = score;
            ret.equal(step);
        }
    }
    qDebug()<<"get best move!!!";
    return ret;                        //得到最好走法
}

以上代码可以实现电脑模拟走一步的场景，但是缺点也显而易见。就是目光短浅，只考虑到自己走一步，并没有考虑到对手走的一步，例如：我要吃电脑车，它会看着我吃，它只是遍历了自己走一步局面分最大的走法，但是没有考虑我走一步会造成的影响。

2.电脑模拟走两步的走法

我们可以这样设计--在电脑走一步后考虑我再走一步的结果，就是模拟两步，比如轮到电脑走有n种走法，电脑走了一步人又有n种走法，在这n*n种选择中再选最有利的---也就是局面分最大的