如果你做机器博弈，这可以供你参考，不容易下的哦。希望对你有帮助。

随着人工智能的火热，机器游戏变得越来越熟悉。机器博弈是人工智能领域最具挑战性的研究方向之一。亚马逊国际象棋是机器游戏领域的一个重点研究方向，由于其本身动作空间可能概率的复杂性，第一步便超过2000个动作，因此常被用来研究与机器博弈相关的算法。本文针对亚马逊国际象棋环境，对比分析了不同算法在效率上的优缺点，主要对蒙特卡洛博弈算法及其并行优化进行介绍和总结，在此基础上，对关于亚马逊棋蒙特卡洛博弈算法并行优化的研究前景进行了展望。 主要内容为关于亚马逊棋的蒙特卡洛博弈算法的并行优化综述，对相关内容进行了调研和总结，首先是引言部分，简要介绍亚马逊棋的相关知识，其次介绍应用于亚马逊棋的相关博弈算法，如：极大化极小法(MiniMax)、Negamax算法、PVS算法和Alpha-Beta等搜索算法。适用于研究计算机领域、人工智能领域的用户下载研究使用，该文章为原创，严禁盗用抄袭，如有发现，将追究侵权责任，同时涉及学术不端问题。 此前将该文档借与他人浏览，所发布本文档目的在于：避免被学术不端者盗用。

亚马逊棋是一种体现了简单博弈思想的棋类游戏，具体规则在此不做过多的赘述，该项目的主要功能是在本地实现用户与电脑的博弈对战。可以通过菜单的进行功能的多项选择。 该项目分为UI与AI部分，其中UI部分全部封装在widge类当中，在classwidge头文件中声明，在define and declare源文件中定义。AI部分由Botzone与Json交互移植而来做了一些略微的改动，在define and declare源文件的后半部分定义实现。

本地运行的亚马逊棋AI，注意并非botzone版本，使用了QueenMove、极大极小搜索和Alpha-Beta剪枝。此为个人作业代码，可以借鉴但是禁止抄袭（如果是p大的同学选了计算概论有一样的大作业要注意不要抄袭啊～）。

机器博弈是人工智能学科研究的载体，亚马逊棋作为一个相对较新的博弈棋种，走棋特点介于围棋和象棋之间，非常适合用来进行机器博弈研究。以亚马逊棋博弈系统为实验平台，对机器博弈中的关键技术之一——评估函数进行了研究。以territory、position、mobility三个主要评估特征为基础，根据亚马逊棋在开局、中局以及残局三个不同阶段的棋局特点，分析了不同阶段中各评估因子的重要程度以及权重取值，最后得到一个分阶段的评估函数。通过实验结果可知，提出的棋局评估函数是可行并且有效的。

用Qt实现的亚马逊棋，通过搜索当前局面下一层所有局面，利用Territory特征值，position特征值及mobility特征值进行评估得出最优行棋局面。实现人机博弈。

此code仅限于在做小棋种的童靴，能看懂就看懂，看不懂供参考，亚马逊棋~

该游戏趣味好玩，值得国内个计算机行业人才学习。

该程序仅为c++语言算法，不包含界面。 行棋记录：包含六个数字 移动前坐标，移动后坐标，释放障碍坐标 输入是回合数和从开始到现在的双方行棋记录，输出是下一步的一条行棋记录。 具体的输入输出请参考北京大学人工智能实验室网站botzone下的维基条目。 由于botzone的时间限制在1秒内，该程序对不同阶段的搜索层数做了限制，可以在create函数的前几行修改限制。

亚马逊棋 AmazonChess。采用了C语言进行编程， 实现了可视化界面， 结合并使用easyx库技术，支持鼠标操作. 程序很好的运用了C的基础和easyx的库的基本使用方法。适合C语言初级和中级的爱好者借鉴。高级开发人员，自己写写就好，可以无视此源码。