最近我用Python做了一个国际象棋程序并把代码发布在Github上了。这个代码不到1000行，大概20%用来实现AI。在这篇文章中我会介绍这个AI如何工作，每一个部分做什么，它为什么能那样工作起来。你可以直接通读本文，或者去下载代码，边读边看代码。虽然去看看其他文件中有什么AI依赖的类也可能有帮助，但是AI部分全都在AI.py文件中。
AI 部分总述
AI在做出决策前经过三个不同的步骤。首先，他找到所有规则允许的棋步（通常在开局时会有20-30种，随后会降低到几种）。其次，它生成一个棋步树用来随后决定最佳决策。虽然树的大小随深度指数增长，但是树的深度可以是任意的。假设每次决策有平均20个可选的棋步，那深度为1对应20棋步，深度为2对应400棋步，深度为3对应8000棋步。最后，它遍历这个树，采取x步后结果最佳的那个棋步，x是我们选择的树的深度。后面的文章为了简单起见，我会假设树深为2。
生成棋步树
棋步树是这个AI的核心。构成这个树的类是MoveNode.py文件中的MoveNode。他的初始化方法如下：
这个类有五个属性。首先是move，即它包含的棋步，它是个Move类，在这不是很重要，只需要知道它是一个告诉一个起子往哪走的棋步，可以吃什么子，等等。然后是children，它也是个MoveNode类。第三个属性是parent，所以通过它可以知道上一层有哪些MoveNode。pointAdvantage属性是AI用来决定这一棋步是好是坏用的。depth属性指明这一结点在第几层，也就是说该节点上面有多少节点。生成棋步树的代码如下：
变量moveTree一开始是个空list，随后它装入MoveNode类的实例。第一个循环后，它只是一个拥有没有父结点、子结点的MoveNode的数组，也就是一些根节点。第二个循环遍历moveTree，用populateNodeChildren函数给每个节点添加子节点：
这个函数是递归的，并且它有点难用图像表达出来。一开始给它传递了个MoveNode对象。这个MoveNode对象会有为1的深度，因为它没有父节点。我们还是假设这个AI被设定为深度为2。因此率先传给这个函数的结点会跳过第一个if语句。
然后，决定出所有规则允许的棋步。不过这在这篇文章讨论的范围之外，如果你想看的话代码都在Github上。下一个if语句检查是否有符合规则的棋步。如果一个都没有，要么被将死了，要么和棋了。如果是被将死了，由于没有其他可以走的棋步，把node.move.checkmate属性设为True并return。和棋也是相似的，不过由于哪一方都没有优势，我们把node.pointAdvantage设为0。
如果不是将死或者和棋，那么legalMoves变量中的所有棋步都被加入当前结点的子节点中作为MoveNode，然后函数被调用来给这些子节点添加他们自己的MoveNode。
