手把手教你用 JavaScript 實現一個簡單的國際象棋 AI

時間 2019-11-21

標籤手把手 javascript 實現一個簡單國際象棋欄目 JavaScript 简体版

原文原文鏈接

本文做者： Lauri Hartikka

編譯：鬍子大哈前端

翻譯原文：huziketang.com/blog/posts/

英文鏈接：A step-by-step guide to building a simple chess AIreact

轉載請註明出處，保留原文連接以及做者信息git

首先讓咱們先看幾個對開發簡單國際象棋 AI 頗有幫助的概念：github

移動生成
局面評估
極大極小算法
α-β 剪枝

每一步中咱們都會對通過時間檢驗的國際象棋程序進行改進，我會展現不一樣算法風格所產生的影響。你也能夠在 GitHub 上看到最終的 AI 算法。算法

步驟 1：移動生成和棋盤可視化

使用 chess.js 庫來生成移動規則，使用 chessboard.js 來可視化棋盤。移動生成庫實現了全部國際象棋的規則，對於任意給定的棋盤狀態咱們均可以計算出下一步的合法的走棋方法。app

(移動生成函數的可視化版本。起始位置做爲輸入，輸出是全部可能的走法。)dom

使用這些庫可使咱們專一於咱們所感興趣的任務：開發最佳下棋的算法。咱們首先從建立以一個函數開始，在全部可能走法中返回一個隨機的結果。ide

var calculateBestMove =function(game) {
        //generate all the moves for a given position
        var newGameMoves = game.ugly_moves();
        return newGameMoves[Math.floor(Math.random() * newGameMoves.length)];
    };複製代碼

用這種方法，儘管它不是一個合格的棋手，可是起碼咱們能夠和它玩起來了。函數

步驟 2：位置評估

下面咱們試着讓它理解在一個肯定的位置上怎麼走比較好。實現這一功能最簡單的方法是計算棋盤上棋子的相對強度大小，用下面的對照表。post

經過評估函數，能夠選擇評估結果最佳的走法。

var calculateBestMove = function (game) {

        var newGameMoves = game.ugly_moves();
        var bestMove = null;
        //use any negative large number
        var bestValue = -9999;

        for (var i = 0; i < newGameMoves.length; i++) {
            var newGameMove = newGameMoves[i];
            game.ugly_move(newGameMove);

            //take the negative as AI plays as black
            var boardValue = -evaluateBoard(game.board())
            game.undo();
            if (boardValue > bestValue) {
                bestValue = boardValue;
                bestMove = newGameMove
            }
        }

        return bestMove;

    };複製代碼

這樣一來，一個切實的改善是，算法會吃掉它能夠吃掉的棋子。

（黑子使用了簡單評估算法，在這裏能夠看到：jsfiddle.net/lhartikk/m5…

步驟 3：用極大極小算法搜索樹

接下來咱們來建立一個搜索樹，經過它算法能夠選擇最佳走法，這裏須要用到極大極小算法。

在這個算法中，會根據給定的樹深度對遞歸樹進行遍歷，所要評估的狀態就是樹的葉子節點。

這一步完成之後咱們把子節點中的最大或者最小值返回給父節點，這要依賴於白棋仍是黑棋來走這一步（這就是說在樹的每一層中都最大或者最小化輸出）。

（給定狀態的最大最小算法的可視化。白棋最好的走法是 b2-c3，由於能夠保證獲取一個狀態評估值是 -50）

var minimax = function (depth, game, isMaximisingPlayer) {
        if (depth === 0) {
            return -evaluateBoard(game.board());
        }
        var newGameMoves = game.ugly_moves();
        if (isMaximisingPlayer) {
            var bestMove = -9999;
            for (var i = 0; i < newGameMoves.length; i++) {
                game.ugly_move(newGameMoves[i]);
                bestMove = Math.max(bestMove, minimax(depth - 1, game, !isMaximisingPlayer));
                game.undo();
            }
            return bestMove;
        } else {
            var bestMove = 9999;
            for (var i = 0; i < newGameMoves.length; i++) {
                game.ugly_move(newGameMoves[i]);
                bestMove = Math.min(bestMove, minimax(depth - 1, game, !isMaximisingPlayer));
                game.undo();
            }
            return bestMove;
        }
    };複製代碼