• 沒有找到結果。

第一節 暗棋的規則

根據維基百科[7]的說明:暗棋,使用中國象棋和一半的棋盤,將棋盤放在 格子裡,共有 8×4=32 格,遊戲開始時將所有棋子的背面朝上,讓人看不見棋

子是什麼子,亂洗後放到棋盤上,未翻開的棋子稱作「暗棋」或「未翻子」,翻

開的稱作「明棋」。雙方輪流行棋,每當輪到自己時可以選擇翻開一顆暗棋、移

動自己的子一格或吃對手的子。先行棋的人翻到的子之顏色為己方顏色,對方 為另一個顏色。

吃子時頇考慮子力順序。除了帥和將不能吃卒和兵,卒和兵可吃帥和將外,

較大的棋子可吃同子力和較小子力的棋,較小的不能吃較大的。唯一的特例為:

炮需隔一顆棋子才可吃子,而且不用考慮子力大小。當某一方的棋子全部被吃 光,另一方就獲勝。以下為子力順序:

帥(將)>仕(士)>相(象)>俥(車)>傌(馬)>炮(包)>兵(卒)

第二節 論文概要

電腦對局一直是人工智慧中很重要的一門領域,主要的目的是讓電腦可以 像真人一樣與人類玩家在不同的棋類遊戲裡競爭,不但可以讓真人和電腦練習,

也可以讓電腦與電腦競爭。目前有些棋類的人工智慧已經超越人類職業玩家的 水準,證明了電腦在棋盤上要超越人類是絕對有可能的事。

琴棋書畫是中國五千年來祖先們所推崇的四門藝術,其中棋藝是最親近大 眾的一門藝術。下棋可以提升人們的氣質、素養以及文化水平,還可以修身養 性、讓人把心靜下來、提升心靈的層次和專注力,可謂好處多多。若有了高水 準的棋類人工智慧,就能讓許多棋手有可以一直練習的對象,使整體人類的棋 藝水平大幅提升。電腦對局不論是在學術研究、文化素養、社會水平都有很大 的貢獻,十分值得深入研究和推廣。

電腦對局主要分為完全資訊遊戲和不完全資訊遊戲兩種。完全資訊遊戲可 以讓雙方玩家完全掌握所有盤面資訊,遊戲本身不含任何機率成分,例如:圍 棋、中國象棋、西洋棋;不完全資訊遊戲則是雙方玩家都無法掌握盤面所有訊 息,只能利用片段的資訊來搜尋和計算機率來做出判斷。它包含了機率成分,

例如:麻將、撲克牌遊戲,而電腦暗棋又是這幾年來最有發展空間的不完全資 訊遊戲,並於 2010 年第十五屆電腦奧林匹亞電腦對局競賽中(The 15th

Computer Olympiad, 2010),被正式列為競賽項目,目前已有一些論文及程式 [1~4],針對暗棋研究,但都還處於起步階段,尚待更多人投入做更深入的探討。

第三節 相關論文及程式介紹

目前所知,電腦暗棋的首篇論文為「電腦暗棋之設計及實作」[1],於 2008 年 6 月由國立台灣師範大學資訊工程研究所謝曜安所撰。在這之前都少有人對電 腦暗棋程式做深入的研究,這篇論文為首篇深入研究並提出暗棋演算法的論文。

此研究所實作出暗棋程式已經可以擊敗當時市面上所有的商業化暗棋程式了。

[1]主要的想法為使用棋盤-棋子映射結構,用一維陣列紀錄棋盤上那些位置 有哪些棋子,再記錄每顆棋子分別在那些位置,交叉查詢資料。搜尋部分使用靜 態審局函式,並用一般棋類常用的 Nega-Max 搜尋以及 Alpha-Beta 裁減增加程式 運算速度,用 Zobrist Hash、循環剪裁避免計算重複的盤面,增加程式效能。

第二篇為「電腦暗棋程式與經驗法則之配合與實作」[2],於 2008 年 7 月由 國立東華大學資訊工程研究所賴學誠所撰,這篇論文主要在討論不完全資訊的遊 戲,並使用了大量的經驗法則和遊戲搜尋樹,並使用靈氣系統的概念,靈氣為每 顆棋子都會由內向外擴散而造成影響效果,利用這種效果來幫走步打分數,期望 可以產生更好的走步。當棋子全部翻開後遊戲就變成完全資訊遊戲了,加深搜尋 深度就可以在這時候讓棋力變很強。

第三篇為「暗棋中棋種間食物鏈關係之探討與實作」[3],於 2010 年 6 月由 國立台灣師範大學資訊工程研究所謝政孝所撰,改良先前[1]程式的做法,改善走 步生成方式,並使用食物鏈的概念來產生動態審局函數,先前的程式使用靜態審 局,不管盤面屬於何種情形,所有棋子的配分權重都不會改變,現在改成會詳細 分析目前盤面狀況,將不重要的子扣分、重要的子加分,讓審局變得更精準。

第四篇為「電腦暗棋之人工智慧改良」[4],於 2011 年 6 月由國立台灣師範 大學資訊工程研究所勞永祥所撰,由於先前的暗棋程式難以在翻子與走子之間選 出恰當的決定,殘局也難以解決,正式比賽時常常以和局收場,這篇論文提出新 的策略來解決此問題,並提出距離分的概念讓殘局局面得以解決。

第四節 近年 Computer Olympiad 比賽紀錄

圖 1.1 及 1.2 為這兩年 Computer Olympiad 比賽結果

Rank Program Country Title

1

DarkCraft TWN Gold medal

2

Dark_chesser TWN Silver medal

3

Diablo TWN Bronze medal

4

TopGun TWN

圖 1.1 2011 年 Computer Olympiad 比賽結果

Rank Program Country Title

1 Modark TWN Gold medal 2 Dark Chess Beta TWN Silver medal 3 Leave-or-Lose TWN Bronze medal 4 Flipper TWN

4 Dark_chesser TWN 4 Sparrow TWN

圖 1.2 2010 年 Computer Olympiad 比賽結果

第二章 資料結構相關研究

相關文件