象棋游戏的设计与实现目录1引言 (1)1.1象棋设计背景和研究意义 (1)1.2象棋设计研究方法 (1)2人工智能算法设计 (2)2.1棋局表示 (3)2.2着法生成 (4)2.3搜索算法 (5)2.4历史启发及着法排序 (9)2.5局面评估 (9)2.6程序组装 (11)3界面及程序辅助设计 (12)3.1界面基本框架 (12)3.2多线程 (13)3.3着法名称显示 (14)3.4悔棋和还原 (15)4系统实现 (16)结论 (19)参考文献 (20)1引言1.1 象棋设计背景和研究意义电脑游戏行业经过二十年的发展，已经成为与影视、音乐等并驾齐驱的全球最重要的娱乐产业之一，其年销售额超过好莱坞的全年收入。

游戏，作为一种娱乐活动。

早期的人类社会由于生产力及科技的制约，只能进行一些户外的游戏。

随着生产力的发展和科技进步，一种新的游戏方式——电子游戏也随之诞生。

当计算机发明以后，电子游戏又多了一个新的载体。

电子游戏在整个计算机产业的带动下不断地创新、发展着。

自从计算机发明，向各个领域发展，到成为我们现在每天工作和生活必不可少的一部分的这个过程中，电子游戏也逐步渗入我们每个人的娱乐活动中。

而计算机已经普及的今天，对于可以用计算机进行程序编辑的人来说，开发属于自己的游戏，已经不再是梦想。

事实上，个人计算机软件市场的大约80%销售份额是来自游戏软件。

棋牌游戏属于休闲类游戏，相对于角色扮演类游戏和即时战略类游戏等其它游戏，具有上手快、游戏时间短的特点，更利于用户进行放松休闲，为人们所喜爱，特别是棋类游戏，方便、快捷、操作简单，在休闲娱乐中占主要位置。

作为中华民族悠久文化的代表之一，中国象棋不仅源远流长，而且基础广泛，作为一项智力运动，中国象棋开始走向世界。

随着计算机处理速度的飞速提高，人们很早就提出了疑问：计算机是否会超越人类？世界国际象棋大师已被计算机打败，计算机已经超过了人类？而人工智能是综合性很强的一门边缘学科，它的中心任务是研究如何使计算机去做那些过去只能靠人的智力才能做的工作。

因此，对游戏开发过程中的人工智能技术的研究自然也就成了业界的一个热门研究方向。

1.2 象棋设计研究方法对于象棋来说，核心设计主要包括人工智能算法的以及整个游戏中界面及程序辅助部分的实现，主要用 Visual C++ 进行开发，里面的MFC类库，使游戏开发更加方便，并利用人工智能相关搜索算法实现人工智能的着法生成，从而完善整个游戏的功能。

本文的目标是实现一款有着一定下棋水平且交互友好的中国象棋人机对弈程序。

该程序功能包括：*人机对弈；*搜索深度设定；（电脑棋力选择）*悔棋、还原；*着法名称显示；整个程序的实现可分为两大部分：一、人工智能算法设计（计算机下棋引擎）该部分实现了如何让计算机下中国象棋，其中涉及人机对弈的基本理论及思想，是该程序的核心部分，同时也是本项目研究的重点所在。

二、界面及程序辅助设计光有下棋引擎尚不能满足人机交互的基本要求，因此还需要一个框架（界面）来作为引擎的载体，同时提供一些诸如悔棋，还原之类的附属功能（程序辅助）。

下面分别介绍各部分实现。

由于界面及程序辅助部分涉及内容宽泛而又繁琐，因而本文只介绍其中重点部分。

2人工智能算法设计程序的基本框架：从程序的结构上讲，大体上可以将引擎部分划分为四大块：棋局表示；着法生成；搜索算法；局面评估。

程序的大概的思想是：首先使用一个数据结构来描述棋局信息，对某一特定的棋局信息由着法生成器生成当前下棋方所有合法的着法并依次存入着法队列。

然后通过搜索算法来逐一读取着法并调用局面评估函数对该着法所产生的后继局面进行评估打分，从中选出一个最有可能导致走棋方取胜的着法。

在搜索的过程中还可以采用一些辅助手段来提高搜索的效率。

其过程如下所示（图1）：图 1 程序结构图下面将分别介绍程序各个部分：2.1 棋局表示计算机下棋的前提是要让计算机读懂象棋。

所谓读懂，即计算机应该能够清楚地了解到棋盘上的局面（棋盘上棋子的分布情况）以及下棋方所走的每一种着法。

因而首先需要设计一套数据结构来表示棋盘上的局面以及着法。

对于棋盘局面的表示可采用传统而简单的“棋盘数组”。

即用一个9*10的数组来存储棋盘上的信息，数组的每个元素存储棋盘上是否有棋子。

这种表示方法简单易行（缺点是效率不是很高）。

按此方法棋盘的初始情形如下所示：BYTE CChessBoard[9][10] = {R, 0, 0, P, 0, 0, p, 0, 0, r,H, 0, C, 0, 0, 0, 0, c, 0, h,E, 0, 0, P, 0, 0, p, 0, 0, e,A, 0, 0, 0, 0, 0, 0, 0, 0, a,K, 0, 0, P, 0, 0, p, 0, 0, k,A, 0, 0, 0, 0, 0, 0, 0, 0, a,E, 0, 0, P, 0, 0, p, 0, 0, e,H, 0, C, 0, 0, 0, 0, c, 0, h,R, 0, 0, P, 0, 0, p, 0, 0, r};给所有棋子定义一个值：#define R_BEGIN R_KING#define R_END R_PAWN#define B_BEGIN B_KING#define B_END B_PAWN#define NOCHESS 0 //没有棋子黑方：#define B_KING 1 //黑帅#define B_CAR 2 //黑车#define B_HORSE 3 //黑马#define B_CANON 4 //黑炮#define B_BISHOP 5 //黑士#define B_ELEPHANT 6 //黑象#define B_PAWN 7 //黑卒红方：#define R_KING 8 //红将#define R_CAR 9 //红车#define R_HORSE 10//红马#define R_CANON 11//红炮#define R_BISHOP 12//红士#define R_ELEPHANT 13//红相#define R_PAWN 14//红兵判断颜色：#define IsBlack(x) (x>=B_BEGIN && x<=B_END)//判断某个棋子是不是黑色#define IsRed(x) (x>=R_BEGIN && x<=R_END)//判断某个棋子是不是红色对于着法的表示，直接借用棋盘数组的下标来记录着法的起点和目标点。

至于是什么棋子在走，以及是否吃子、吃的是什么子，在着法结构中并不记录。

这些信息由外部读取棋盘上起点、终点的数据获得。

着法结构定义如下，其中还包含了对着法的历史得分的记录项，以供后面要讲到的“历史启发”所用。

typedef struct{short nChessID; //表明是什么棋子CHESSMANPOS From;//起始位置CHESSMANPOS To; //走到什么位置int Score; //走法的分数}CHESSMOVE;有了对棋盘局面和着法的表示之后，程序才能够完成以下操作：1、生成所有合法着法；2、执行着法、撤销着法；3、针对某一局面进行评估。

因而，棋局表示好比是整个程序（计算机下棋引擎部分）的地基，之后所有的操作都将建立在其基础上。

2.2 着法生成程序需要让计算机在轮到它走子的时候能够执行一步它认为对它最有利的着法，那前提就是它要有诸多（也可能是唯一）可供选择的着法，提供所有候选着法的“清单”就是着法生成器所要完成的。

之后用搜索函数来搜索“清单”，并用局面评估函数来逐一打分，最后就可以选择出“最佳着法”并执行了。

在着法生成器中，采用的基本思想就是遍历整个棋盘（一个接一个地查看棋盘上的每个位置点），当发现有当前下棋方的棋子时先判断它是何种类型的棋子，然后根据其棋子类型而相应地找出其所有合法着法并存入着法队列。

这里谈到的“合法着法”包括以下几点：1、各棋子按其行子规则行子。

诸如马跳“日”字、象走“田”字、士在九宫内斜行等等（这里需要特别注意的是卒（兵）的行子规则会随其所在位置的不同而发生变化——过河后可以左右平移）。

2、行子不能越出棋盘的界限。

当然所有子都不能走到棋盘的外面，同时某些特定的子还有自己的行棋界限，如将、士不能出九宫，象不能过河。

3、行子的半路上不能有其它子阻拦（除了炮需要隔一个子才能打子之外）以及行子的目的点不能有本方的棋子（当然不能自己吃自己了）。

4、将帅不能碰面（本程序中只在生成计算机的着法时认为将帅碰面是非法的，而对用户所走的导致将帅碰面的着法并不认为其非法，而只是产生败局罢了）。

产生了着法后要将其存入着法队列以供搜索之用，由于搜索会搜索多层（即考虑双方你来我往好几步，这样才有利于对局面进行评估以尽可能避免“目光短浅”），所以在把着法存入着法队列的时候还要同时存储该着法所属的搜索层数。

因此可以将着法队列定义为二维数组m_MoveList[8][80]，其中第一个数组下标为层数，第二个数组下标为每一层的全部着法数。

关于搜索层数，设定为8，实际使用的是1到7（在界面中将其限定为1—7）。

搜索层数的增加会显著提高电脑的下棋水平（当然计算机的棋力在很大程度上也依赖于局面评估）。

在配置为1.5G，512M内存的计算机上最多只能搜索4层，再多将导致搜索时间达到令人无法容忍的地步（这里还需要特别说明的是，搜索的速度也和着法生成的效率以及局面评估的复杂度有关，因为每分析一个结点都要执行这两种操作）。

对于每一层的着法数，也就是当前下棋方针对当前局面的所有可选的合法着法，据有关数据统计在象棋实战中一般最多情况下也就五六十种。

定义第二个数组下标为80，应当可以保证十分的安全。

着法生成为搜索部分提供了“原料”，接下来的任务就交给搜索和局面评估了。

2.3 搜索算法搜索算法对于整个下棋引擎来说都是至关重要的。

它如同程序的心脏，驱动着整个程序。

搜索算法的好坏直接影响着程序执行的效率（从某种角度上，它影响着计算机的下棋水平。

因为，计算机必须在有限的时间内完成思考，搜索速度快意味着在相同的时间内程序可以“看”得更远，“想”的更多）。

关于棋类对弈程序中的搜索算法，已有成熟的Alpha-Beta搜索算法以及其它一些辅助增强算法（还有众多基于Alpha-Beta算法的派生、变种算法）在程序中直接借鉴了Alpha-Beta搜索算法并辅以了历史启发。

本节先介绍Alpha-Beta搜索算法：在中国象棋里，双方棋手获得相同的棋盘信息。

他们轮流走棋，目的就是将死对方，或者避免被将死。

由此，可以用一棵“博弈树”（图2）来表示下棋的过程——树中每一个结点代表棋盘上的一个局面，对每一个局面（结点）根据不同的走法又产生不同的局面（生出新的结点），如此不断直到再无可选择的走法，即到达叶子结点（棋局结束）。