用不到1分钟的时间就赢了AI，有地方设置难度吗？

[XMuli]

当时重点只是模拟一种可行的 AI 算法，作为整个项目的一小部分，所以构思比较简单。

当时大致思路：对每个棋子赋不同的权值；每一步都会模拟计算 (仅) 当前每一枚棋子的所有下棋的可能，从而取出最优解作为 AI 方的下棋步骤；若想要达到更 “聪明” 的 AI 下棋策略，则可以计算可以模拟多级步所有下棋的模拟遍历（在如下位置去优化）；从而取出最优解即可；当时对应的中间过程存储也会以爆炸函数增长。

https://github.com/xmuli/chinessChess/blob/24f9a67f86285a3c37747fe1cc52142a8d7fe6f5/MachineGame.cpp#L243-L290

---

附带一些其它思路：

• 录入棋谱等
• 增加 AI 等

[calcitem]

中间过程不需要存储，在深度遍历的期间函数会压栈和弹栈，内存消耗不大。

[XMuli]

@calcitem 若遍历第一次的最优解作为遍历第二步的最优解（循环往下）；但最终整体可能并不是最优解（如贪心）；若是想要很“智慧”所有中间过程的存储还是很有必要的。

[calcitem]

呃，没懂。不是通常使用 minimax 算法吗？一边深度优先搜索一边剪枝，剪枝也不需把所有节点都存下来。需要保存的主要是局面，需入栈和出栈，不过一般情况下能搜索20-30层就挺强了，存储的局面也不需要每个字段都存，可以只存必要的状态信息，这样的话算30层，估计也就占500字节不到的空间。

[calcitem]

我看您更专注于 Qt，Qt 水平相当高。AI 方面我建议直接集成现成的引擎，如 https://github.com/ianfab/Fairy-Stockfish ，不用重复造轮子。当然如果对 AI 感兴趣想自己从头写的话也不错😊

[XMuli]

术业有专攻，集成进现有的 AI 轮子会是一个比较容易的操作；以及上面提到的 minimax 这种算法，也会考虑一番的；两种思路和可行性都比较高。甚是感谢，先 Mark 一下，然先手上现有的坑完成了后，腾出手后可以加入此，奶思~ ； 应该不会 🕊🕊🕊，

[calcitem]

您对技术的追求和热情令人印象深刻！如果愿意的话，诚邀您加盟我们的 Sanmill 项目，有Qt的部分哦，未来还有无限可能！

[XMuli]

@calcitem 可以哒~；

[WangPengZhan]

@calcitem 可以哒~；

求安装壳代码，不想自己写了

[calcitem]

什么是壳？