icmc-data / pyrarucu Goto Github PK

A função de avaliação do bot é baseada em Redes Neurais, mas hoje utilizamos a providenciada pela biblioteca scikit-learn. Para construir um bot mais forte, devemos implementar uma rede neural mais complexa, que consiga aproximar melhor resultados de entradas complexas

Espera-se que seja criado um novo notebook baseado no 01 com implementações de regressores da biblioteca desejada.

Atualmente o bot demora muito pensando em algumas jogadas. Isso se deve principalmente ao fato de que é necessário realizar uma extensa pesquisa na árvore de lances gerada. A implementação de heurísticas visa priorizar alguns lances, de forma que se chegue a um resultado mais rapidamente.

Atualmente, a ordenação é feita dessa forma

if depth == SEARCH_DEPTH:
    all_moves = sorted(all_moves, key=lambda move: self.eval_move(board, move), reverse=board.turn)

considerando apenas o valor das peças, xeque-mate e o número de movimentos possíveis.

def simple_evaluation(self, board: chess.Board) -> float:
        # Heuristics against checkmate
        if board.is_checkmate() or board.is_check():
            if board.turn == chess.WHITE:
                return -1000
            else:
                return 1000

        # Simple Evaluation Function
        sum_pieces_values = 0
        board_fen: str = board.board_fen()
        for char in board_fen:
            try:
                char_value = self.piece_values[char]
            except KeyError:
                char_value = 0
            sum_pieces_values += char_value

        number_legal_moves = board.legal_moves.count()
        evaluation = number_legal_moves * 0.5 + sum_pieces_values
        return evaluation

Sugestões envolvem adicionar xeques e capturas aos lances com prioridade.