象棋人工智能算法的C＋实现（四）——人工智能的开端

第一时间关注程序猿（媛）身边的故事

前面几篇文章详细介绍了棋盘类的封装、棋子类的封装以及各种类型的棋子的走棋算法的实现。有了前面的铺垫，就能迈出人工智能的第一步了。本系列博客还是重点介绍实现方法，很多的代码都不再过多解释了。

人机对战类：

由以上代码可以看出，人机对战类继承自棋盘类，重载了棋盘类中的click函数。其中，Step是一个QVector容器，其内部情况是这样的：

由以上代码可以看出Step类是用来存放走棋信息的。

人机对战类中重载的click函数源代码：

由以上代码可以看出，人类方走红棋，电脑方走黑棋。当轮到红方走棋的时候，与人人对战的时候没有区别，于是调用父类中的click函数；当轮到黑方走棋的时候，就获取对电脑最有利的走棋路径，让电脑走棋。

----这里是华丽的分割线----

人工智能的实现分3步走

1.获取所有走得通的路径

上getAllPossibleMove函数的源代码：

算法解析：遍历所有黑方的棋子，遍历到某一棋子时全方位无死角地遍历棋盘上的所有位置，把每个位置的信息都输入canMove函数，将canMove函数返回true的“步”存放到容器steps中。

2.从所有能走的路径中找到对电脑最有利的路径

上getBestMove函数的源代码：

算法解析：这便是模拟人的思维的过程，从小跟爷爷下棋的时候爷爷就对我说，要走一步看三步，然而这里先实现走一步看一步。路边两个老爷爷在下棋，老爷爷虽然不会摆弄棋盘上的棋子，然而他的脑子里是在推演的，他也会权衡一下选择对自己最有利的路径走棋。fakeMove和unfakeMove便是推演的过程，假想自己走一步，评估完局面分再走回来。找到走完后局面分最高的路径作为返回值返回。

关于fakeMove函数和unfakeMove函数：

其中killStone函数是用来杀死棋子的，relieveStone函数是用来复活棋子的。

获取最优走棋路径这一步中有个很重要的步骤就是评估局面分，上calcScore函数的源代码：

算法分析：先给所有棋子分配权重，根据棋子的重要程度来分配。将是最重要的棋子，因此将的权重最高，置为1500；车其次，置为100，马和炮再其次，置为50；兵再再其次，置为20；士和相最不重要，置为10。遍历红方所有的棋子，将红方活着的棋子的权重累加出一个总分；遍历黑方所有的棋子，将黑方活着的棋子的权重累加出一个总分。因为黑方是电脑，所以返回的局面分应该以黑方的角度计算，返回黑棋总分-红棋总分。

3.电脑走棋

这一部分在上面的click函数中有体现，请自行往上翻。

（完）

「若你有原创文章想与大家分享，欢迎投稿。」

加编辑微信ID，备注#投稿#：

程序 丨 druidlost

小七 丨 duoshangshuang