通过前面几篇文章的学习，我们的四子棋程序已经有了框架、搜索几大部分，但是还有着不少问题，我们的程序只能迭代很有限的步骤，导致棋力低下，在这一篇我们将通过启发式搜索极大的优化搜索效率。

一、原因

我们之前的产生走子位置的函数很简单，即找到棋盘上的空余位置。它的不合理性体现在两方面：

没有对结果进行排序，完全是按照数组的遍历顺序的。而Alpha Beta 剪枝的效率是非常依赖节点顺序的，这个我们马上就会讲一下。

没有排除不需要节点。如果能减少一些不必要的节点，那么其实就是优化了 M^N 中的M，优化效果是非常明显的。

还是前一章的那张图，上面可以看到在第二层中，第一个节点的值是3，因为他其实是本层中的极小值，导致后面的两个节点都可以进行剪枝(这里第二个节点的第二个孩子也可以剪掉的)。这是最好的一种情况，即在MIN层中极小值是第一个节点，那么后序的所有节点都可以根据这个极小值进行剪枝，即使极小值不在第一个节点，只要大致能按照从小到大的顺序排列，也会剪掉很多节点。如果很不幸，这一层的节点是从大到小排列的，那么剪枝就完全没有用。

对于Beta 剪枝也是同样的道理。所以说Alpha Beta剪枝的效率是取决于每一层节点的顺序的。 我们肯定是无法精确排序的，因为每一个节点的值并不能直接计算出来，需要递归计算子节点。 但是我们依然能对节点进行大致的一个排序。前面说过了，只要有一个大致的排序 其实就能很好的提升剪枝效率。

那么如何排序呢？就是给所有待搜索的位置进行打分，按照分数的高低来排序。注意这个打分算法是对某一个空位进行打分，在第一张中我们已经有所提到。

有了打分之后，我们就可以按照分数高低进行排序了。

在实现算法前，我们先回顾一下之前的内容。

structPicesPos{intx;inty;intz;

chessPicesStatus type;intvalue;

};

每个落子位置都有相应的value，我们要做的就是在list中将棋子按照一定顺序排列。

二、实现启发式搜索

我们采用stl自带的排序算法，对每个棋子进行排序：

bool comp(const PicesPos &A, const PicesPos &B)

{return A.value >B.value;

}

首先，我们按照comp方法的要求自定义一个排序函数。然后在相应的位置插入排序语句。

...else{int maxVal = -1000000;

PicesPosList list=getAvailablePos(board,chessPicesStatus::white);

sort(list.begin(),list.end(),comp);for(auto iter = list.begin();iter != list.end();iter++)

{

board[iter->x][iter->y][iter->z] =chessPicesStatus::white;

...

至此，整个搜索算法就完成啦。

三、主程序

我们的程序已经完成了80%，最后就剩下把他们连接起来了。

int main(int argc, char *argv[])

{

QCoreApplication a(argc, argv);

ChessBoard cb;

cb.init();

cb.printBoard();intx,y;while(std::cin>>x>>y)

{if(!cb.insertPices(x,y,chessPicesStatus::black))

{

std::cout<

}

cb.dfs(cb.chessBoard,2);

cout<

<

cb.insertPices(cb.targetPos.x, cb.targetPos.y, chessPicesStatus::white);int whiteScore =cb.getSideScore(cb.chessBoard,chessPicesStatus::white);int blackScore =cb.getSideScore(cb.chessBoard,chessPicesStatus::black);

cout<

cout<

"z:"<

cout<

"z:"<

{

cb.printBoard();

cout<

}else if(status ==chessPicesStatus::black)

{

cb.printBoard();

cout<

}else{

cb.printBoard();

}

}returna.exec();

}

我们的四子棋程序就这样完成了，事实证明根本下不过啊…

参考文献:

致谢！