KoksSzachy 0.8.26

Lubisz grać w szachy? Podobał ci się chess.com lub lichess? W takim razie pokochasz KoksSzachy! <3

---

_{chess.com pls don't sue us, it's for fun}

Instalacja i update

Do zainstalowania KoksSzachów wymagany jest pobrany Python 3.7 lub nowszy oraz pip odpowiadjący wersji Pythona, czyli pythonowy package manager.

Unix

$ pip3 install koksszachy --upgrade

Windows

$ pip install koksszachy --upgrade

Jak zagrać?

$ koksszachy -p

# lub

$ koksszachy --play

Testujesz?

$ python3 -m pytest

Jak to działa?

Silnik KoksSzachów działa na bardzo prostej zasadzie:

• Pobranie pozycji chessboard.js za pomocą wpisywania w url FEN stringów.

• Rekreacja pozycji w bibliotece python-chess, która umożliwia stworzenie listy możliwych ruchów i wiele innych, które przydadzą się w algorytmie Minimax.

• Ewaluacja materiału. Działa ona na podstawie zliczania wartości wszystkich bierek na planszy. Wartości te są przedstawione w słowniku values.

• Ewaluacja pozycji odtworzonej przez wspomnianą wcześniej bibliotekę przy pomocy FEN stringa. Jest ona robiona na podstawie słownika positions.

  • Jak to działa? To bardzo proste - w słowniku dla każdej figury istnieje odpowiadający jej dwuwymiarowy array z liczbami całkowitymi. Array odpowiada prawdziwym rozmiarom szachownicy czyli 8x8. Weźmy dla przykładu array poświęcony gońcowi. Specjalnie zaznaczona została notacja szachowa dla ułatwienia wizualizacji.

    {chess.BISHOP: [
      -50, -40, -30, -30, -30, -30, -40, -50, # 8
      -40, -20, 0, 0, 0, 0, -20, -40,         # 7
      -30, 0, 10, 15, 15, 10, 0, -30,         # 6
      -30, 5, 15, 20, 20, 15, 5, -30,         # 5
      -30, 0, 15, 20, 20, 15, 0, -30,         # 4
      -30, 5, 10, 15, 15, 10, 5, -30,         # 3
      -40, -20, 0, 5, 5, 0, -20, -40,         # 2
      -50, -40, -30, -30, -30, -30, -40, -50, # 1
    #  a    b    c    d    e    f    g    h
    ]}
    

    Łatwo zauważyć, że każdy z narożników szachownicy ma bardzo niskie wartości. To dlatego, że goniec stając na nich traci możliwość poruszania się po dwóch przekątnych tylko do jednej.
    Zagłębiając się w wartości tej czy innych figur można dostrzec wiele innych wariantów.

    Arraye są przedstawione z perspektywy pierwszej osoby.

• Gdy białe - gracz, wykonają ruch, czarne - czyli komputer analizują pozycje i materiał zapisując obecną wartość ogólną. Po tym procesie uruchamiany jest algorytm Minimax, który analizuje przyszłe i możliwe posunięcia przeciwnika po wykonanym ruchu. W ten sposób algorytm ocenia, który ruch jest dla niego najlepszy. To na ile posunięć do przodu liczy jest kontrolowane przez zmienną depth+1.

• Obliczone ruchy są zapisywane w odpowiedniej kolejności.

• Komputer wybiera pierwszy ruch z listy i go wykonuje.

• Wszystko działa dopóki są możliwe ruchy. Nie działa to na podstawie pętli.

Minimax

Ty, jako gracz, grasz białymi figurami. Minimax jest wywoływany przez gracza maksymalizującego wynik, w tym przypadku są to czarne figury, czyli komputer. Scenariusz, w którym grasz maksymalizujący wygrywa ma przypisaną warość nieskończoną. Idąc tym schematem przegrana dla gracza maksymalizującego ma wartość ujemnej nieskończoności.

Minimax w KoksSzachach jest zooptymlizowany poprzez alpha-beta pruning oraz iterative deepening.

Ciekawe artykuły i źródła na temat tych algorytmów:

• https://www.cs.cornell.edu/courses/cs312/2002sp/lectures/rec21.htm
• https://www.cs.tau.ac.il/~wolf/papers/deepchess.pdf
• https://en.wikipedia.org/wiki/Evaluation_function#In_chess
• https://www.youtube.com/watch?v=JnXKZYFmGOg
• https://www.freecodecamp.org/news/simple-chess-ai-step-by-step-1d55a9266977/
• https://towardsdatascience.com/how-a-chess-playing-computer-thinks-about-its-next-move-8f028bd0e7b1
• https://pl.wikipedia.org/wiki/Algorytm_alfa-beta
• https://www.chessprogramming.org/Iterative_Deepening

Różnice depth w iterative deepeningu

Przeprowadziłem prosty eksperyment polegający na mierzeniu różnic czasowych i eksploracyjnych pomiędzy wartościami depth. Najniższą możliwą wartością depth jest 1. Zakładając, że mierzymy wszystkie wartości dla klasycznego i każdemu znango ruchu e4, wartość zmiennej nodes_explored, czyli jednym słowem możliwe rozwinięcia dla danej sytuacji, wynosi 20 rozwinięć. I jeśli rzeczywiście popatrzymy na szachownicę, ta wartość się jak najbardziej zgadza.

Jeśli porównamy wartości depth od 1-8 to zobaczymy prawdziwe różnice.

Chciałem tutaj dać piękny wykres matplotliba, ale nie udało mi się.

Depth	Nodes	Czas(s)
1	20	0.004
2	102	0.014
3	1233	0.086
4	22884	1.563
5	197047	13.232
6	768488	51.222
7	12713930	886.259
8	78510963	5392.2