javascript - 极小极大算法不适合国际象棋中的队友

Question

我的目标是编写一个还不错的国际象棋引擎，在下面的位置中，它是 2 中的一个伙伴，引擎应该很容易找到深度为 4-5 的国际象棋引擎。

AI 的第一个 Action 是 Ra2 来困住白王，白王转到 f1，AI 没有交配，而是将车移动到 c2。

  var initial_depth = depth;
  var bestMove = null;
  var nodes = 0;
  var ret = await minimax(position, depth, alpha, beta, maximizingPlayer);
  console.log("nodes visited: " + nodes);
  return ret;
 
  async function minimax(position, depth, alpha, beta, maximizingPlayer) {
    nodes++;
    if (maximizingPlayer) {
      var validMoves = await getValidMoves(position, ArrtoFEN(position) + " w");
    } else {
      var validMoves = await getValidMoves(position, ArrtoFEN(position) + " b");
    }
    if (validMoves.length < 1 || depth == 0) {
      var eval = await getEval(position);
      return [eval, null];
    }
 
    if (maximizingPlayer) {
      var maxEval = Number.NEGATIVE_INFINITY;
      for (var i = 0; i < validMoves.length; i++) {
        var move = validMoves[i];
        
        var testbrd = makeMove(move, position)  //not the actual code. shortend for Readability
 
        
        var eval = await minimax(testbrd, depth - 1, alpha, beta, false);
        if (eval[0] > maxEval) {
          maxEval = eval[0];
          if (initial_depth == depth) {
            bestMove = move;
            console.log("current bestmove: " + bestMove);
          }
        }
        alpha = Math.max(alpha, eval[0]);
        if (beta <= alpha) {
          break;
        }
      }
      return [maxEval, bestMove];
    } else {
      var minEval = Number.POSITIVE_INFINITY;
 
      for (var i = 0; i < validMoves.length; i++) {
        var move = validMoves[i]; 
          
        var testbrd = makeMove(move, position)//not the actual code. shortend for Readability
 
        var eval = await minimax(testbrd, depth - 1, alpha, beta, true);
        if (eval[0] < minEval) {
          minEval = eval[0];
          if (initial_depth == depth) {
            bestMove = move;
            console.log("current bestmove: " + bestMove);
          }
        }
        beta = Math.min(beta, eval[0]);
        if (beta <= alpha) {
          break;
        }
      }
 
      return [minEval, bestMove];
    }
  }
}

Answer 1

这是因为它认为任何一步都会获胜，并且您没有条件告诉引擎在 1 步中进行配合比在 5 步中进行配合更好。如果在搜索结束时发现您有 0 步合法 Action 并且您已被将杀，那么您将被将杀。在这种情况下，您想要发回将死得分(较大的负值)并从中添加层数。这样，与大量移动相比，更少的移动就能更好地进行交配。

我建议你选择 Negamax 算法而不是 minimax。这将意味着更少的代码并且更容易调试。