Titulo: AI DE UN PROGRAMA DE AJEDREZ ADAPTATIVO BASADO EN REDES BAYESIANAS

http://repositorio.ual.es/bitstream/handle/10835/1543/bayeschessCMPI06.pdf?
sequence=1&isAllowed=y

Autores: Fernández, Antonio; Salmerón Cerdán, Antonio (2006)

El siguiente trabajo se presenta un programa de ajedrez capaz de adaptar su estrategia al

usuario al que se enfrenta y de refinar la función de evaluación que guía el proceso de
búsqueda en base a su propia experiencia de juego.
Para el diseño el programa utiliza el algoritmo mini-max con poda alfa-beta, el primer
objetivo del programa es modificar el valor de cada variable de forma que sea el más
adecuado posible en las distintas situaciones de la partida. Para ello, se utiliza una red
bayesiana con estructura tipo Naive Bayes, que tiene dos clases: fase de la partida
(apertura: 10 primeras jugadas; medio juego: todas las jugadas que no entran en las otras
dos fases; o final: no quedan damas o quedan menos de 10 piezas) y resultado de la
partida (ganar, perder, o tablas); y tantas variables predictoras como tiene la heurística.
Para elegir la estrategia a seguir entre las disponibles tras las modificaciones de la
heurística halladas en la primera parte del programa, BayesChess se adapta al usuario
contra el que está jugando. Para ello utiliza una red bayesiana que clasifica la estrategia
del oponente en atacante, defensiva o mixta; utilizando las variables de, en una partida,
el primer movimiento, la situación de los enroques (opuestos o no), número de piezas
más allá de la tercera fila (excepto peones) y número de peones más allá de la tercera
fila en la columna del rey contrario y sus adyacentes.

Conclusiones

Para evaluar la evolución del programa a la hora de aprender la heurística según aumenta la
base de datos de partidas se jugaron partidas del programa contra sí mismo, teniendo un
jugador la heurística aprendida y el otro una heurística aleatoria. Se comprobó que, sin
partidas en la base de datos y, por tanto, siendo la heurística aprendida y la aleatoria muy
parecidas, de cada 15 partidas, la aprendida ganaba 7, empataba 2 y perdía 6. Según se
aumentaba la base de datos de partidas hasta 200, en la siguiente gráfica se ve cómo la
heurística aprendida va mejorando hasta llegar a ganar 10 partidas, empatar 3 y perder 2, por
lo que la evolución del programa es clara.