babituo

继承了四向子力模型，2^n次方衰减，场中全透射叠加，边界反射模型。
引进了虚实子力场，旋转子力场。
彻底实现了递增影响量算法。
建立了独立线程进行计算。
模型规模和运行效率同时得到改进。
子力场模型已达到极致。

受图解围棋的激励，特此多谢图解围棋。

[ 本帖最后由 babituo 于 2010-1-19 10:21 编辑 ]

图解围棋

博主：
你好！果然是长江后浪推前浪呀，有前途！祝贺！

babituo

有关围棋的着手的次序问题和当下最优着手问题。
1.围棋的最佳着手是单步的还是多步组合的？
我们一般会认为是多步的，也就是多步的组合（包括对手的着手）才能达到最佳的效果。这是否意味着，在多步组合的前几步的评估，可能不是最佳的效果，而只有经过多步的组合后才能出现最佳的效果呢？似乎和评估的方法有关。
如果多步组合是最优的，是否存在这样的评估方法，可以把多步的每一步按顺序评价为最优呢？这样的话，对评估方法的要求就高了，它必须具备超强的综合评估能力。
好，就假设存在一个超强综合评估能力的评估方法，那么，用这个方法来评估任何一个局面，就只需要评估下一手棋的最优解就够了。于是，围棋的最佳着手就是单步的了。
围棋的次序问题也就解决了：具有超强综合评估能力的计算最优解得到的顺序，自然就会符合最优组合的着手顺序。
在这样的评估方法下，如果双方都掌握了这个方法的话，整局围棋就只是一个定式。实际如果有一方对这个方法掌握不好，这方就只能失败。

另外，骗招是不构成组合着手顺序的，换句话说，如果存在超强的综合评估办法，是不需要使用骗招，心理招的，也不会受骗招和心理招的影响的。

真的能找到这样的评估办法吗？
要找到这样的评估办法，需要接受哪些挑战呢？

babituo

需要辨别的是：单步最优解并不意味是唯一解。
也就是说：如果下一步存在一步最优情况的话，有可能这一步有多个的选择。
一步最优，意味着走过这一步这后，对方不可能有下一步可以逆转整体的最优状态。
一步最优，意味着不需要试错，悔棋，纯粹根据当前静态的局面，就可计算出来。
只是，这一步，可能存在多个选择。所以，也不会出现楼上所说的整盘棋一个定式的状况。

babituo

是否与我们所建立的被评估对象本身过于粗糙有关？
如果模型不能反映全部的对局信息，那么，评估的输入本身就不够完备，不管评估算法如何精巧，结果自然不能收敛。
所以，我们就需要试错悔棋，围棋的着手次序问题才出来。
从围棋的对称性原则来看，理论上应该存在一步最优解的。也许只有电脑才能贯彻实施这样的理论（如果不巧让我找到的话）。

babituo

1.提子是多步的结果，提子的影响看上去是突变型影响，如果要实现单步最优，如何确保可逐步计算出提子的路径？这个挑战的另一个说法是：如何将提子产生的影响连续化？
2.残子的作用如何计算。残子的状态是又死又可活的状态，其影响是一个波动量，受后续多步着手影响比较敏感，其收敛方向不确定，如何通过单步最优来选择方向呢？如果不通过多步模拟，怎知当初该选择是做活还是利用呢？
还有哪些挑战？望同道们指点。

yysr

既然提子是多步的结果，这个多步就已经包含了残子的计算。不仅如此，这个多步应该是包含了规则许可范围内的所有可能的情况，例如存在打劫的情况。

babituo

正是因为规则许可范围的变化非常的多，会让我们陷入一种思路中不能自拔。
就是围棋的状态必然是多步综合的结果，在所有可能的情况下，对独立的一步棋的好坏难以绝对评判。所以，不考虑多步棋的想法是难以理解的。即便真实的棋手，也是必须考虑“后续手段”的。
这是通常的，正常的思路。
所以，我才会说，对单步最优解的追求，是一种极端的追求，类似只可无限接近的一个极限，而无法到达，这种反过来的想法其实是可以想象。
局部的定式，其实就是单步最优在局部的一个特例。

babituo

不管是用试错的办法，还是用分析的办法来追求，只要在我们试图寻求那个必然的解，我们内心已经首先默认了这个“必然解”是存在的。
试错的办法，主要是根据未来可能的信息来计算当前的选择，而分析的办法，主要是根据历史累积的信息来计算当前的选择。这本身就代表了从不同的两极出发的思路。
根据未来的信息，就必然要面对变化多端的问题，根据历史的信息就必然要面对信息不够的问题。

tianlongbeidou

呵呵！想看一看你的程序！