¿La persona que desarrolló el juego de ajedrez es un maestro del ajedrez?
Los secretos del motor de búsqueda suave Xiangqi
1 Cómo establecer la relación entre los motores de búsqueda y la Oficina de Auditoría
. Mientras lee lo siguiente, primero debe comprender algunos antecedentes
a. La relación entre el árbol de búsqueda de juegos de inteligencia artificial y la búsqueda PVS
b es una búsqueda sin pérdidas<. /p>
c.
c.La relación entre la eficiencia de la búsqueda PVS y el orden de búsqueda
Primero, dejemos claro algunos puntos:
a Si se basa en un conocimiento incorrecto (por ejemplo, la lista de fortalezas de las piezas de ajedrez), realizar una búsqueda PVS completa en un nivel limitado no garantiza que se encontrará la muerte (la pieza de ajedrez se puede comer)
b Para mejorar la fuerza del ajedrez, la búsqueda sin pérdidas no es suficiente para encontrar la muerte, y la búsqueda PVS no es suficiente para encontrar la muerte. PVS no es suficiente y es necesario cortar ramas
c La relación entre el árbol de búsqueda y el tablero de ajedrez En primer lugar, el conocimiento debe poder guiar. la búsqueda del tablero de ajedrez correcto (todo el mundo debería saber esto. La segunda es evitar buscar y cortar la rama correcta (este punto se habla menos, no me di cuenta durante mucho tiempo)
Creo que la relación entre el tablero y la búsqueda se establece de esta manera
p>Creo que la relación entre el tablero y la búsqueda se establece de esta manera
Creo que la relación entre tablero de ajedrez y búsqueda se establece de esta manera
Creo que la relación entre tablero de ajedrez y búsqueda se establece de esta manera Así se establece
Creo que así se establece la relación entre tablero de ajedrez y se establece la búsqueda
Así creo que se establece la relación entre tablero de ajedrez y búsqueda.
Creo que la relación entre los comités de revisión y la recuperación se refleja en
a. El conocimiento tiene la tendencia correcta (solo se puede decir que es una tendencia, porque el conocimiento es difícil de obtener). ser completo y preciso)
b. La búsqueda se basa en el conocimiento y adopta un método de poda (análisis detallado a continuación)
Permítanme dar un ejemplo simple para ilustrar la relación entre el conocimiento y la búsqueda. Relación
Chico Guapo
Entonces, ¿cómo puedes evitar esta situación?
a. No pode cuando la profundidad = 1
b Deje que el motor comprenda el juego de ajedrez y dígale que mantenga la combinación de "caballos, no peones finales". lo cual es fatal para el general
Entonces hay dos opciones, ¿cuál es mejor?
En realidad, esta elección tiene dos limitaciones
a. Está limitada al nivel actual de modelado de juegos, b. Requiere mucha mano de obra para mantener un conocimiento completo, y es. difícil de ser preciso
b. La clasificación de movimientos de ajedrez del motor actual se basa principalmente en access-gt; kill-move-gt;
Por eso, hasta donde yo sé, la mayoría de los motores de alta gama actuales controlan los peligros del trimado para compensar la falta de conocimiento. Por ejemplo, limitar la profundidad gt;=2 en nullmove, o controlar la profundidad gt;=3 en lmr (reducción de movimiento tardío), por ejemplo, podar el historial en var:fruit, estos son para compensar la falta de conocimiento al Controlar el método de poda.
Sabemos muy bien que cuando la profundidad lt;=2, si la poda está restringida, entonces solo necesitamos mirar el tablero sin ningún conocimiento para descubrir los movimientos para matar el ajedrez. ¿No es lo que requeríamos? No lo creo. Si la profundidad se limita a lt; = 2 y no se puede podar, encontraremos que nuestra búsqueda genera una gran cantidad de nodos. Dios mío, terrible pérdida de búsqueda.
Por supuesto, lo ideal es que el orden de clasificación de búsqueda se base en el conocimiento y la evaluación del disco se base en el conocimiento. Si podemos lograr tal efecto, entonces creo que la profundidad lt = 1 no requiere ningún conocimiento; para descubrir los movimientos asesinos. ¿Pero no es esto lo que necesitamos? lt;=1 También se puede eliminar la restricción de no poda, por lo que la eficiencia del motor será mayor
Ahora, pensemos en ¿qué ramas no queremos que sean podadas por error? Por supuesto que es un movimiento mortal, matar a GT; toma una pieza de ajedrez y usa la búsqueda PVS basada en la lista de piezas de ajedrez. El movimiento de ajedrez perdido es probablemente un movimiento mortal, que es exactamente lo que no queremos ver. >
Para el ajedrez chino En este tipo de juego con muchos ataques y muertes, se puede decir que la diferencia entre los dos motores radica en quién puede encontrar el movimiento mortal más rápido y con mayor precisión.
Para decirlo simplemente, ya que puedes buscar dos niveles más, ¿puedes garantizar que definitivamente podrás convertirme en un comandante soltero masticando mi gran cuerpo? Especialmente con la aparición de efectos avanzados (el desarrollo de motores y hardware permite cada vez más capas de búsqueda), esta posibilidad tiende a cero, por lo que debemos intentar evitar perdernos el movimiento asesino
Sé que hay muchos motores que hacen juicios vagos sobre posibles posiciones de ataque y les dan puntuaciones muy altas, por ejemplo, cuanto más probable es que ocurra una muerte, mayor será la puntuación, por ejemplo, la puntuación por una ventaja de tres peones. Esto puede evitar muertes perdidas debido a la artillería de los caballos, pero este juicio confuso tiene algunas deficiencias fatales
a. El conocimiento confuso causará una gran pérdida de búsqueda (cuanto más inexactas sean las condiciones, más fácil será provocar la búsqueda). desperdicio)
b. El conocimiento confuso puede llevar a juicios erróneos, lo que lleva al descarte indiscriminado de discos.
c. motor, lo que puede causar muchos problemas.
Una solución moderada es utilizar el método de búsqueda de profundidad lt;=1 sin podar, y cuando se da la profundidad = 1, se puede formar una eliminación de patrones para juzgar el conocimiento.
Esto El principio de este método es que la búsqueda de profundidad = 1 puede lograr el efecto de profundidad == 2 y puede evitar el juicio de conocimiento difuso.
La ventaja de esta solución es que
a. Depth = 1 puede generar conocimiento detallado sobre la matanza
b La precisión del conocimiento es alta y puede reducir en gran medida el desperdicio de búsqueda
La desventaja es que Depth=1 puede generar más. asesinatos La cobertura del conocimiento es limitada y el conocimiento restante aún debe obtenerse mediante la búsqueda en profundidad = 2, que se puede utilizar para buscar conocimiento sobre asesinatos. El conocimiento restante aún necesita complementarse mediante algunos juicios confusos. Por supuesto, este tipo de complemento es mucho menor y la dificultad de mejora es mucho menor.
Se puede decir que la introducción anterior es la dependencia. del conocimiento en el modelo Los defectos causados por esto, permítanme hablar sobre el impacto del conocimiento en la búsqueda
Supongamos que hay un disco y la búsqueda completa de PVS con profundidad = 11 encuentra la muerte, luego el Los siguientes conocimientos se utilizan para realizar una búsqueda con profundidad = 10. ¿Puedes hacer el movimiento correcto?
a. Evaluar el conocimiento de movimientos asesinos cuando profundidad=1
b. Evaluar el conocimiento de movimientos asesinos cuando profundidad=2
c. piezas (por ejemplo, el rey de torres es mejor que el rey de reyes)
Y ventajas de las piezas de ajedrez
d. , como flexibilidad, etc.)
p>De hecho, podemos determinar esto fácilmente.
No es difícil ver que la evaluación del conocimiento con profundidad = 1 puede realizar el movimiento de ajedrez correcto. También es posible realizar el movimiento de ajedrez correcto en la posición b, pero habrá ciertos errores de cálculo. En la mayoría de los casos, c y d no pueden. movimientos correctos
Ahora puntuamos todo el conocimiento, y la puntuación debe depender de varios factores (profundidad, precisión, desperdicio de búsqueda), es decir, puntuación = posición * (precisión / (profundidad * desperdicio de búsqueda). ) )
Porque al evaluar el tablero, la puntuación que esperamos obtener es igual a la profundidad gt 3. La precisión es bastante baja e incluso puede causar muchos errores, por lo que tendremos ciertas restricciones en el; Evaluación del tablero de ajedrez. De manera similar, en profundidad = Podemos hacerlo con mucha precisión evaluando el tablero de ajedrez dentro de un rango de 1, y podemos dar una puntuación precisa en este momento. Esta vez podemos dar una puntuación precisa
Los cuatro tipos de conocimiento a, b, cyd mencionados anteriormente cubren todo tipo de conocimiento del ajedrez chino suave. No es difícil ver que a puede. recompensa gt; caballo y cañón, y b porque es posible ingresar al área equivocada, a menudo solo puede recompensar gt la puntuación del estudiante, y la combinación de piezas de ajedrez no producirá el área incorrecta, pero requiere una gran entrada; -Búsqueda profunda para obtener la solución correcta, por lo que la puntuación también será la misma que la puntuación del alumno.
Pero ¿es adecuado dotar al motor de un conocimiento exhaustivo y preciso? En otras palabras, ¿cuanto más completo sea el conocimiento, más fuerte será la habilidad en el ajedrez? Mucha gente ha hecho esta pregunta, pensando que un conocimiento adecuado puede reducir el volumen de búsqueda, que es también la dirección que siguen muchas personas. En mi práctica, la respuesta a esta pregunta es no. En realidad, la búsqueda persigue la rentabilidad. Los mejores resultados de búsqueda se pueden obtener por unidad de volumen de búsqueda, lo cual es una buena búsqueda. En pocas palabras, cuando hay dos o tres tendencias de conocimiento en el tablero de ajedrez que pueden generar rutas PV, solo hará que el motor deambule, especialmente en el tablero de ajedrez asesino, lo que reducirá en gran medida la eficiencia de la búsqueda. Los resultados prácticos de esta parte, los analizaré en detalle en "6. Establecimiento de una oficina de auditoría con kingsafety como núcleo y análisis detallado del modelo de oficina de auditoría"
Aquí, creo que quiero corregir una visión equivocada, que las personas que no entienden los principios de los motores de búsqueda a menudo utilizan algunos tableros de ajedrez para que GoSoft juzgue quién puede encontrar la solución correcta de forma más rápida y precisa. Resolver un tablero de este tipo lo más rápido posible a menudo requiere muchos conocimientos vagos o suficiente profundidad, y el primero es sin duda el enfoque que llevará a GoSoft a un callejón sin salida. Este tipo de evaluación sólo tiene un cierto significado, pero definitivamente no es un estándar para medir el grado de suavidad.
2. Análisis de Fruit Engine, la razón por la que Fruit Engine alcanza 2600 (en comparación con crafty)
Fruit Engine no persigue la velocidad. De hecho, Fruit no utiliza el popular archivo de bits. , tecnología bitrank o bitboard, por lo que el nps de la fruta no es alto en los motores de ajedrez. No es alto entre los motores de ajedrez (creo que no debería ser comparable a astuto). Si hay alguna diferencia entre los dos en la evaluación, bueno, eso no está dentro de mi entendimiento, solo hablaré de estos dos. La diferencia entre los dos motores
a. La importancia de Guoguo para los nodos fotovoltaicos y la eficiencia de búsqueda y poda basada en los nodos fotovoltaicos
Puede distinguir los nodos fotovoltaicos durante la búsqueda y en función de ellos. Podar según el tipo de nodo
Los nodos fotovoltaicos se pueden distinguir durante la búsqueda y podar según el tipo de nodo
Los nodos fotovoltaicos se pueden distinguir durante la búsqueda y podar según el tipo. de nodo
Se puede decir que Guoguo tiene un profundo conocimiento de PVS.
La definición del nodo PV se puede encontrar en la información relacionada. Dado que el nodo PV indica que el resultado de la búsqueda es correcto, no debe cortarse. De la misma manera, para los nodos que no son fotovoltaicos, no se encontrará la ruta de búsqueda correcta y se deberá cortar. Esta es también la teoría de la poda de frutos.
Eso es cierto, pero no sabemos el tipo de cada nodo al principio, por lo que al buscar, asumiremos que un determinado nodo no es un nodo fotovoltaico y luego veremos si falla. y si falla, buscaremos nodos fotovoltaicos.
Si esta suposición es cierta, entonces la poda de la ruta al nodo no fotovoltaico se completa con éxito; de lo contrario, la búsqueda debe repetirse, porque el juicio de hipótesis de búsqueda del nodo fotovoltaico es buscar windows=1, por lo que el costo es muy bajo.
En cuanto a la implementación de Fruit, creo que la implementación de Fruit de la comprensión del nodo fotovoltaico es muy elegante.