中国象棋算法

解剖大象的眼睛——中国象棋程序设计探索

黄晨*2005年6月

( * 联系地址：复旦大学化学系表面化学实验室，eMail：morning_yellow@elephantbas )

(一) 引言

我在今年2月写出了象棋程序ElephantEye的第一个版本(0.90)，本来它只是象棋界面ElephantBoard的调试引擎。在设计程序的过程中，我尝试性地加入了很多算法，发现每次改进都能让程序的棋力有大幅度的提高，因此便对象棋程序的算法产生了浓厚的兴趣。到现在我已经陆续对ElephantEye作了几十次加工(目前版本为0.94)，使得它的棋力接近了中等商业软件的水平，在公开源代码的象棋程序中，ElephantEye是最强的一个。

我希望能通过公开源代码的方式，推动中国象棋程序水平的整体发展，然而根据很

多网友的反馈意见，发现源代码中的很多部分并不是那么容易理解的。因此我才打算以《中国象棋程序设计探索》为题，写几篇详细介绍ElephantEye算法的连载，希望能让的源代码充分发挥它的作用。

下面我先简要谈一下我自己对ElephantEye的体会。

1.1 ElephantEye用到了哪些算法？

在我写本次连载以前，我已经完成了《象棋百科全书》网站上《对弈程序基本技术

》专题中所有文章的翻译，ElephantEye的大部分算法都参考了这些文章，这些算法我会在连载中一笔带过，详细的内容希望读者参考这些译文，那里还有我加的很多译注，希

望它们能够加深读者对这些算法的体会。

当然，仅根据这些文章所提供的算法，是写不出很好的程序的，我参考了王小春的《PC游戏编程——人机博弈》一书，也参考了一些国际象棋的源程序，并通过自己的探索，在ElephantEye中加入了另外的非常重要的算法，尤其是启发算法，我认为它们在程序中发挥了关键性的作用，而且很多细节在绝大多数文字资料中没有详细给出，我会在

我的连载中重点介绍。

我猜读者最感兴趣的内容是ElephantEye的着法生成器，这应该算是象棋程序的核心部分，同时也是各个程序差异最大的部分。在写ElephantEye以前，我在《象棋百科全书》网站上刊登了大量介绍“位棋盘”的文章，这是个非常有吸引力的思想，但是我试验

下来觉得它的速度并不快，在ElephantEye的程序里我只把位棋盘运用在将军判断上。尽管如此，ElephantEye短短10行的将军判断也许是程序的一个亮点吧，那么这部分内容我将尽量介绍得详细一点。

此外，一些看似和棋力关系不大的技术，诸如开局库、长将检测、后台思考、时间

策略、引擎协议等等，其实也直接影响着象棋程序的稳定性，因此也有必要逐一讲解。

总之，每个技术都很重要，我的连载虽然不能面面俱到，但我会尽我所能来作详细

阐述的。

1.2 如何正确评价ElephantEye目前的棋力？

ElephantEye是“蛮力型”象棋程序，与大多数商业程序的不同之处在于，它没有审局能力，那么它的棋力到底有多强？网友对这个问题众说纷纭，有人认为它无法跟一流

的商业软件相比，毕竟ElephantEye是免费程序，其源代码又是公开的，为什么非要去和顶尖程序去比呢？也有人认为它能战胜中等商业软件，但电脑对电脑和电脑对人类根本

就不是一回事，这么一个不懂得防守空头炮的程序怎能说它厉害呢？还有人喜欢在同一

搜索水平(比如6层、8层或10层)上比较两个不同的程序，这种标准去比较“蛮力型”程序和“知识型”程序，这有意义吗？

要正确认识这个问题，我想说明几点：

(1) 测试标准要合理，这个标准只能是“时限”，即给两个程序以同样多的时间，

可以对每步都限定时间，也可以是比赛所采用的时段制或加时制，而不能以同样的搜索

水平作标准。另外，如果两个程序运行在同一台电脑上，那么不能启用后台思考功能。

(2) 某几盘对局并不能说明问题，我以“浅红象棋”为平台用ElephantEye对阵“梦入神蛋”，ElephantEye遗憾地以2:3败北。我有充分的信心表明ElephantEye的棋力比梦入神蛋强得多，因为两者用了相同的评价函数，但同样时间ElephantEye通常要比梦入神蛋多搜索一层以上，那么2:3的比分又能说明什么问题呢？

(3) 跟人类比和跟电脑比是两回事，每个电脑程序都有弱点，这些弱点很容易被人

类棋手抓住，但其他电脑程序则不会抓住你的弱点。一般认为，知识缺乏的程序弱点也

多(例如ElephantEye不懂得防守空头炮)，因此对阵人类棋手失败的几率要比对阵其他程序高得多。

1.3 ElephantEye对象棋有哪些认识？

要说ElephantEye一点象棋知识都不具备，这种观点我是无法接受的。很多搜索算法确实只能用在象棋上，这一点ElephantEye做得比很多商业程序都好，这些算法体现在以下几个方面：

(1) 杀棋局面在置换表中的特殊处理，这使得ElephantEye识别杀棋的速度快了很多；

(2) 将军扩展，这使得ElephantEye对可能有杀棋的线路特别感兴趣，它会在搜索上增加对这些路线的投入；

(3) 带检验的适应性空着裁剪，这个算法首先由一个以色列学者发表于2002年(不是“适应性”的)，最近我对该算法作了改进，使得它能正确处理残局中的等着杀和连等着杀，速度也快了很多。

这些算法使得ElephantEye有很强的处理杀局和残局的能力，我相信绝大多数商业软件都没它做得好。如果一个程序能在很短的时间内告诉你，几步之后必定有一方会被将死，或者几步之后优势一方就可以破士或破象，那么这个程序的实用价值还算小吗？

(二) 棋盘结构和着法生成器

在阅读本章前，建议读者先阅读《象棋百科全书》网站中《对弈程序基本技术》专题的以下几篇译文：

(1) 数据结构——简介(David Eppstein)；

(2) 数据结构——位棋盘(James Swafford)；