23、国际象棋中的知识推理与局面特征学习

国际象棋中的知识推理与局面特征学习

1. 国际象棋残局知识推理

残局问题在国际象棋和中国象棋中都是难题。目前通过逆向算法构建的最大中国象棋残局数据库，每方仅包含两个强攻击子。然而，残局结果显示存在许多强攻击子。为解决这一问题，设计了知识推理方案来构建残局初始阶段的实用子力数据库。同时，使用子力状态扩展算法和未知状态预测算法来构建包含多个强攻击子的残局。

实验结果表明，这些算法性能良好且可靠。在预测包含大量棋子的子力组合优势时，子力状态扩展算法是一种有效方法。若扩展算法失败，预测算法将接管并报告推断的解决方案。这种策略可用于解决无法使用传统计算机方法构建完整残局知识数据库的问题，只需了解子力状态的优势信息。

未知状态预测算法的实验结果如下表所示：
| U | 1 | 2 | 3 | 4 | Sum |
| — | — | — | — | — | — |
| 0 | 76 | 30 | 188 | 31 | 325 |
| 1 | 0 | 1302 | 30 | 112 | 0 | 1444 |
| 2 | 0 | 1615 | 281 | 158 | 24 | 2078 |
| 3 | 0 | 35 | 80 | 261 | 248 | 624 |
| 4 | 0 | 4 | 2 | 32 | 266 | 304 |
| Sum | 0 | 3032 | 423 | 751 | 569 | 4775 |

两个测试中，容错正确数与数据项总数的比例相似，轻微错误数的值也相似。这表明第一次实验中输入到未知状态预测算法的数据非常困难。两次实验的容错正确数与数据项总数的比例差异为3.46%，这