通常，國際象棋引擎使用決策樹。樹的根是當前位置，並通過合法移動可以為每個位置創建一個子節點。這些節點中的每個節點都有一個子節點，用於通過從其合法移動可以到達的位置。引擎將樹推送到由其功能和“思考”時間定義的深度。可以簡單地交叉引用可以以多種方式到達的位置，因此不必考慮多個位置。一旦創建了樹，計算機就會使用一組加權規則來分析樹中的最終位置，並開始刪除那些不需要的或對手可以阻止其到達的位置。以這種方式砍伐這棵樹，直到只剩下一招，然後計算機執行該舉動。

http://www.chess.com/blog/zaifrun上有關於創建國際象棋引擎的系列或文章，如果您想更深入地了解它們的工作原理。

您在問一個非常複雜的問題，但是回到基礎知識是件好事。有兩個概念需要考慮：

評估

如果（真正的）玩家顯示位置並詢問“誰在這場比賽中獲勝？”，他們將如何做？決定？他們很可能會檢查一些基本的東西，例如：材質差異，碎片的開發程度或“良好”定位，翻倍/隔離/連接/通過的棋子，（受控）打開的文件，向上的距離

現在，如果必須的話，您可以根據上面的方法，系統地計算位置分數。例如，您可以確定棋子的價值為1分，而經過的棋子的價值為0.3分多。孤立的或加倍的典當值可能會少一些，等等。如果將所有內容加起來，您將獲得當前位置的估計值。

這被稱為評估，基本上所有國際象棋程序都具有一種評估位置的方法（忽略通常非常脆弱的新穎AI國際象棋引擎）。

但是，微妙的深度位置移動又如何呢？

那麼，我們只是勉強刮過位置評估的表面。評估功能的實際實現可能是簡單的，以允許每秒評估更多職位（儘管以粗略方式），或者更複雜，從而導致評估的職位更少，但置信度更高。評估功能通常會考慮成百上千條不同的信息。

搜索

我從上面特別遺漏了一些信息，其中最真實的是玩家會立即考慮-有什麼方法可以讓雙方立即贏得比賽嗎？有沒有可見的搭檔或“懸掛”件？儘管將其瑣碎化很容易，但除瑣碎瑣事外，別無其他。

一個球員對組合擁有完全信心是什麼意思？最後，歸結為已經計算了所有選項。真正的玩家通常不會這樣做（瑣碎或非常強迫的隊友除外），在大多數情況下，我們只會考慮少數選擇，並排除其他似乎“無建設性”或明顯導致虧損的選擇。在計算過程中，我們經常會犯錯誤，例如我們可能會意識到移動順序的更改會導致威脅消失，等等。關鍵是要完全確定一個組合，實際上您需要計算得出結論的所有方式，並假設每個玩家只會做出盡可能最佳的移動給他們（這稱為“最小/最大”）。

現在，由於國際象棋的搜索空間（這是“未來所有可能的移動”所指的空間）要比計算機可以計算的空間大得多，因此需要做出折衷。就像人類一樣，計算機可以根據某些條件決定不考慮整個思路。這就是啟發式。值得一提的是，雖然只有通過蠻力才能真正確定一種組合，但複雜的評估功能通常可以檢測到威脅的存在（例如，我們可以計算叉，串機會等，以指導該方向的搜索） ）。

最後，儘管計算機速度非常快，但是啟發式技術使它們能夠進行如此深入的計算。話雖如此，您可能會驚訝於現代引擎如何全面地計算，甚至在快速遊戲中也超過了3個動作。

因此，總而言之-評估功能內置了很多智能功能（即，它們考慮的功能比普通人類玩家要多），啟發式技術使計算機可以消除它認為可能不會採取的思路。結局很好，計算機速度也非常快。加起來，很難被擊敗。

我同意答案。

我記得通用 Roman Dzindzichashvili在一個羅馬實驗室視頻中談論它，但我沒有記住那是什麼視頻（如果有人知道細節，請編輯我的答案）。

羅馬說， Fritz引擎的開發者是他的朋友。因此，羅曼（Roman）對弗里茨（Fritz）進行了測試，看它有多好，開發人員告訴羅曼（Roman），為了讓弗里茨做出複雜的決定（例如，犧牲材料以換取位置優勢），他們必須改變零件的價值，例如告訴程序一位糟糕的主教值得一分，對角線敞開的主教值得七分，騎士在近身位置值得五分...

我不知道每塊的確切數字，但是這就是它的工作方式，現在您的引擎在犧牲一個糟糕的主教上沒有任何問題，或者如果您能告訴他每個位置的每個零件的價值也沒問題。

編輯

另請參閱國際象棋編程Wiki。

計算機不可能看起來足夠深（25層或更多）並檢查所有可能的移動。

什麼才是可能的稱為 Alpha-beta修剪 a的技術>，這意味著類似於人類的計算機（但性能更好）僅遵循有希望的延續。

計算機不斷評估位置（基於一些預先編碼的規則，評估材料，國王的安全性，活動，當兵結構等） ），並研究可能導致他們達到最佳職位的變體。

他們如何有效地做到這一點，以在一秒鐘內評估數百萬個此類職位，仍然與魔術接近。

總而言之，您是正確的，如果他們下戰略棋，他們將無法查看所有舉動，但是他們可以非常迅速地查看良好的舉動。問題仍然在於他們可以看到的長期計劃和視野，但這正在研究中（Rybka的分析速度要慢得多，但是下棋的位置要多得多，而Houdini則很浪漫，因為他的“機械心臟”計算了更多的動作並更具攻擊性）。甚至計算機都有自己的風格！

Alpha-beta修剪只是意味著，如果您發現一條對您不利的行，您將停止查看該候選移動，而嘗試其他移動。這是一種向後修剪，意味著您永遠不會錯過任何一個好舉動。相比之下，正向修剪更多地基於猜測。徒勞的修剪，後期裁員和剃刀都是正向修剪的類型，所有這些都取決於程序員對哪種類型的裁員的考慮。一個進行大量前期修剪的程序可能會錯過導致交配的驚人犧牲，但另一方面，它消除了很多非常糟糕的舉動，因此可以更深入地研究牠喜歡的舉動。

大多數引擎會全面搜索前幾步，並檢查所有可能性。如果沒有任何舉動失敗過高（例如，顯然比您已經考慮過的舉動更糟），則將搜索範圍擴大一點。通常，您將繼續探索每條線，直到到達靜止位置（不進行檢查，捕獲，配合威脅等），然後進行評估。安靜的動作在搜索樹中的深處可能不會被考慮，但是一旦您到達遊戲中的實際位置，引擎就會查看所有動作，無論安靜還是尖銳。實際上，有時您會在引擎輸出中看到這一點，這是因為引擎突然偏向於未考慮回退幾步的移動。

引擎計算速度如此之快，以至於他們考慮的並不那麼重要首先來看一下，但是對於人類來說，這是一個關鍵問題。喬納森·提斯達爾（Jonathan Tisdall）在他的書《立即改善國際象棋》中回答了這個問題。當您受到攻擊時，他建議您先看看最猛烈的動作。當您進行防守時，您首先要看最困難的路線。他在決定先看哪個動作時還引用了經驗法則（例如集中化，協調性）。

其他可能相關的書是伊曼紐爾·內曼（Emmanuel Neimann）的《無形棋步》和查爾斯·黑爾坦（Charles Hertan）的《強迫棋步》，他們都認為考慮尖銳姿勢中不太可能或令人驚訝的動作的重要性。 Hertan甚至談到要為這種戰術開發“計算機眼”。