0

在阅读了国际象棋编程维基和其他资源之后，我一直对迭代深化的确切目的感到困惑。我原来的理解是这样的：

它包括在深度 = 1、深度 = 2 等处执行的极小极大搜索，直到达到所需的深度。在对每个深度进行极小极大搜索之后，根据该搜索的结果对根节点的移动进行排序，以便在下一次搜索中以深度+1 的最佳移动排序，因此在下一次更深的搜索中，搜索 PV 移动，然后是下一个最佳移动，然后是之后的下一个最佳移动，依此类推。

这个对吗？当我读到关于 MVV-LVA 排序，特别是关于排序捕获，以及使用哈希表等时，我产生了疑问。例如，此页面推荐以下移动顺序：

  1. 最左边路径的迭代深化框架的上一次迭代的主要变化的 PV 移动，通常由 2 隐式完成。
  2. 从哈希表中移动哈希
  3. 获奖捕获/促销
  4. 平等的捕获/促销
  5. 杀手动作（非捕获），通常首先是伴侣杀手
  6. 按历史启发式排序的非捕获等
  7. 丢失捕获

如果是这样，那么如果只需要 PV-move，那么从每个深度对 minimax 进行排序又有什么意义呢？另一方面，如果 ID 的全部点是 PV-move，那么从每个单个 minimax 深度搜索到所需的深度只是为了计算每个深度的 PV-move 不是浪费吗？

ID的具体用途是什么，它节省了多少计算量？

4

1 回答 1

0

如果我错了，请纠正我，但我认为你在这里混合了 2 个不同的概念。

迭代深化主要用于设置每一步的最大搜索时间。人工智能会越来越深，然后当确定的时间结束时，它会从完成搜索的最新深度返回移动。由于深度的每次增加都会导致搜索时间呈指数增长，因此从例如 1 到 12 搜索每个深度所花费的时间几乎与仅搜索深度 12 所花费的时间相同。

对移动进行排序以最大化 alpha-beta 修剪的效果。如果您想要最佳的 alpha-beta 修剪，您首先要查看最佳移动。这当然不可能事先知道，但你上面所说的几点是一个很好的猜测。只需确保排序算法不会减慢递归函数的速度，并消除 alhpa-beta 的影响。

希望这会有所帮助，并且我正确理解了您的问题。

于 2020-01-13T11:24:50.147 回答