本文作者： Lauri Hartikka

编译：胡子大哈

翻译原文：http://huziketang.com/blog/posts/

英文连接：A step-by-step guide to building a simple chess AI

转载请注明出处，保留原文链接以及作者信息

首先让我们先看几个对开发简单国际象棋 AI 很有帮助的概念：

移动生成
局面评估
极大极小算法
α-β 剪枝

每一步中我们都会对经过时间检验的国际象棋程序进行改进，我会展示不同算法风格所产生的影响。你也可以在 GitHub 上看到最终的 AI 算法。

步骤 1：移动生成和棋盘可视化

使用 chess.js 库来生成移动规则，使用 chessboard.js 来可视化棋盘。移动生成库实现了所有国际象棋的规则，对于任意给定的棋盘状态我们都可以计算出下一步的合法的走棋方法。

(移动生成函数的可视化版本。起始位置作为输入，输出是所有可能的走法。)

使用这些库可以使我们专注于我们所感兴趣的任务：开发最佳下棋的算法。我们首先从创建以一个函数开始，在所有可能走法中返回一个随机的结果。

    var calculateBestMove =function(game) {
        //generate all the moves for a given position
        var newGameMoves = game.ugly_moves();
        return newGameMoves[Math.floor(Math.random() * newGameMoves.length)];
    };

用这种方法，尽管它不是一个合格的棋手，但是起码我们可以和它玩起来了。

步骤 2：位置评估

下面我们试着让它理解在一个确定的位置上怎么走比较好。实现这一功能最简单的方法是计算棋盘上棋子的相对强度大小，用下面的对照表。

通过评估函数，可以选择评估结果最佳的走法。

    var calculateBestMove = function (game) {

        var newGameMoves = game.ugly_moves();
        var bestMove = null;
        //use any negative large number
        var bestValue = -9999;

        for (var i = 0; i < newGameMoves.length; i++) {
            var newGameMove = newGameMoves[i];
            game.ugly_move(newGameMove);

            //take the negative as AI plays as black
            var boardValue = -evaluateBoard(game.board())
            game.undo();
            if (boardValue > bestValue) {
                bestValue = boardValue;
                bestMove = newGameMove
            }
        }

        return bestMove;

    };

这样一来，一个切实的改善是，算法会吃掉它可以吃掉的棋子。

（黑子使用了简单评估算法，在这里可以看到：https://jsfiddle.net/lhartikk/m5q6fgtb/1/）

步骤 3：用极大极小算法搜索树

接下来我们来创建一个搜索树，通过它算法可以选择最佳走法，这里需要用到极大极小算法。

在这个算法中，会根据给定的树深度对递归树进行遍历，所要评估的状态就是树的叶子节点。

这一步完成以后我们把子节点中的最大或者最小值返回给父节点，这要依赖于白棋还是黑棋来走这一步（这就是说在树的每一层中都最大或者最小化输出）。

（给定状态的最大最小算法的可视化。白棋最好的走法是 b2-c3，因为可以保证获取一个状态评估值是 -50）

    var minimax = function (depth, game, isMaximisingPlayer) {
        if (depth === 0) {
            return -evaluateBoard(game.board());
        }
        var newGameMoves = game.ugly_moves();
        if (isMaximisingPlayer) {
            var bestMove = -9999;
            for (var i = 0; i < newGameMoves.length; i++) {
                game.ugly_move(newGameMoves[i]);
                bestMove = Math.max(bestMove, minimax(depth - 1, game, !isMaximisingPlayer));
                game.undo();
            }
            return bestMove;
        } else {
            var bestMove = 9999;
            for (var i = 0; i < newGameMoves.length; i++) {
                game.ugly_move(newGameMoves[i]);
                bestMove = Math.min(bestMove, minimax(depth - 1, game, !isMaximisingPlayer));
                game.undo();
            }
            return bestMove;
        }
    };