面临为国际象棋游戏实现极小极大的性能问题答案

【问题标题】：Facing performance problems implementing minimax for a chess game面临为国际象棋游戏实现极小极大的性能问题
【发布时间】：2015-07-03 19:34:00
【问题描述】：

我正在尝试为一个小象棋游戏实现极小极大算法。也许我的前提是错误的，这不是应该尝试的。是吗？

程序可以运行，但存在很大的性能问题：

深度 = 0、1 或 2，结果是即时的。
深度 = 3 结果需要 15 秒。
深度 = 4 - 还没有结果。

这是我的实现：

private Move findBestMove(Chessboard chessboard, int depth,
        boolean maximizingPlayer) {
    if (depth == 0) {
        return new Move(chessboard.calculateHeuristicValue());
    } else {
        Move bestMove;
        if (maximizingPlayer) {
            bestMove = new Move(Integer.MIN_VALUE);
            for (Move possibleMove : findAllPossibleMoves(chessboard,
                    !(maximizingPlayer ^ whiteTurn))) {
                Move move = findBestMove(
                        possibleMove.getResultChessboard(), depth - 1,
                        !maximizingPlayer);
                if (move.getValue() > bestMove.getValue()) {
                    possibleMove.setValue(move.getValue());
                    bestMove = possibleMove;
                }
            }
        } else {
            bestMove = new Move(Integer.MAX_VALUE);
            for (Move possibleMove : findAllPossibleMoves(chessboard,
                    !(maximizingPlayer ^ whiteTurn))) {
                Move move = findBestMove(
                        possibleMove.getResultChessboard(), depth - 1,
                        !maximizingPlayer);
                if (move.getValue() < bestMove.getValue()) {
                    possibleMove.setValue(move.getValue());
                    bestMove = possibleMove;
                }
            }
        }
        return bestMove;
    }
}

可能在算法的实现或对象的设计或它们的使用中存在错误。我不能把手指放在它上面。因此，在尝试优化代码或调整程序的内存配置之前，我想确保没有我忽略的重大问题。

注意：没有内存分析经验。

【问题讨论】：

极小极大是指数的。为了减少探索的分支数量，您可以使用字母修剪

标签： java performance recursion artificial-intelligence minimax

【解决方案1】：

在国际象棋中，第一步有 20 种可能性（棋子 16 种，马 4 种）。

为简单起见，我们假设接下来的动作也是如此。

对于深度 1，MinMax 仅考虑 20 步。
对于深度 2，MinMax 考虑 20 个动作和该动作的 20 个答案，400 个可能的动作，没问题。
对于深度 3，MinMax 考虑 20^3 = 8.000 次可能的移动。在您的机器上已经 15 秒了。
对于深度 4，MinMax 考虑 20^4 = 160.000 次可能的移动。这将比前一个花费大约 20 倍的时间......

只是搜索空间变得太大 - 它随着输入（深度）大小呈指数增长。时间复杂度为 O(20^depth)。

但是，我们不必搜索所有空间来找到真正好的动作。

Alpha-beta pruning 是 MinMax 的流行优化。

如果这还不够，我会考虑切换到完全其他的算法 - 例如Monte Carlo Tree Search（使用 UCT）。

移动数据库也可以提供帮助 - 无需计算您已经准备好的（预先计算的）策略的第一个移动。

1997 年击败 Kasparov 的著名 Deep Blue 使用了它们，您可以查看它还使用了什么 here。

【讨论】：