[发明专利]一种基于多级优先队列的海克斯棋评估方法

权利要求书

1.一种基于多级优先队列的海克斯棋评估方法，其特征在于，包括以下步骤：

步骤S1、获取当前局面所有棋子的位置信息；

步骤S2、根据棋局状态将当前下棋方分为进攻方和防守方两类；其中进攻方表示当前落子目的在于促进己方连通，防守方表示落子目的在于阻止对方连通；判断当前下棋方的状态；

步骤S3、当前下棋方为进攻方时，选择进攻方的5种优先级类别，用于接下来匹配确定棋子的优先级，并设定优先队列的进攻方排序规则；当前下棋方为防守方时，选择防守方的5种优先级类别，用于接下来匹配确定棋子的优先级，并设定优先队列的防守方排序规则；具体地，

所述进攻方的优先队列排序函数为：

其中，x表示下一步棋子落子位置；h₁(x)表示下一步在x落子后棋局的实连通层数；h₂(x)表示下一步在x落子后棋局的虚连通层数，其中虚连通层数指将海克斯棋中的桥结构也视为连通；N(x)表示下一步在x落子后棋局的网络流评估结果；α表示实连通层数，β表示虚连通层数，λ表示网络流评估结果；J_i表示第i步决策的的总连通层数，即J_i＝max(h₁(x)+h₂(x))；△J＝J_i-J_i-1，当△J＝0时表示当前的决策与上次的决策其连通层数没有发生变化，需引入网络流模型进一步评估；

所述防守方的优先队列排序函数为：

d(x)＝Am₁(x)+Bm₂(x)+Cm₃(x)-λN(x)

其中，x表示下一步棋子落子位置；m₁(x)表示x所在层中防守方棋子的数量；m₂(x)表示x外围第一层中防守方棋子的数量；m₃(x)表示x外围第二层中防守方棋子的数量；N(x)表示下一步在x落子后棋局的网络流评估结果；A,B,C,λ分别代表m₁(x)、m₂(x)、m₃(x)以及N(x)在排序函数中所占的比重；

步骤S4、遍历此刻局面中当前落子方的所有棋子，依据规定好的相应优先级类别，确定每个棋子的优先级，并将其存入对应优先级的优先队列中；具体步骤如下：

步骤S4.1、预设优先队列q₁～q₅，分别对应五个优先级，其中q₁优先级最高，q₅优先级最低；每个优先队列的元素包括棋子位置信息和下一步棋子位置信息；

步骤S4.2、遍历棋局中的当前下棋方的所有棋子，通过与规定的5级优先级类别匹配后，确认下一步应该走的位置以及对应的优先级，并将其存入对应的优先队列中；这里需要注意，如果一个棋子匹配得到多个优先级，则选择最高的优先级作为该棋子的优先级；

步骤S5、选择优先级最高的优先队列q₁，并取出q₁队首元素S₁₀进行验证；当S₁₀满足筛选函数要求时，则将S₁₀作为评估结果；当S₁₀不满足筛选函数要求时，选择下一优先级的优先队列q_i，其中i∈{2,3,4,5}；并取出q_i队列的队首元素S_i0重复验证，直至选出满足筛选函数的队首元素S_i0，作为最终评估结果。

2.根据权利要求1所述的一种基于多级优先队列的海克斯棋评估方法，其特征在于，所述步骤S5中的验证过程如下：

步骤S5.1、计算出当前局面的进攻方的总连通层数h＝h₁(x)+h₂(x)

步骤S5.2、根据预设好的博弈经验得到当前局面下无效的落子位置集合X_N；

步骤S5.3、根据步骤S3所述多级优先队列模型得到下一步决策后局面的进攻方总连通层数h′；当h′＝h时，表示这一步决策的无意义，不予考虑；对于进攻方来说，当h′h时，则这一步决策满足筛选函数；对于防守方来说，当h′h时，表示这一步决策满足筛选函数；

步骤S5.4、通过多级优先队列模型得到下一步的决策位置为x₀，当x₀∈X_N时，则此决策无意义，不予考虑；当时，表示此决策满足筛选函数。