这是一个围棋学习免费软件。
本软件具有人机对局、双人对局、对局演示、对局打谱等功能,可选择2-19路棋盘对局,目前已有三步推算的棋力,可作为围棋初学者的辅助学习工具,也可作为围棋爱好者的辅助研究工具。
本软件采用易语言编写!易语言官方网址:
http://www.dywt.com.cn
http://www.eyuyan.com
版权所有(C) 2008-2009 梁远海
E-Mail: nplyh@163.com
声明: 本计算机程序采用Artistic/GPL双重许可证协议发布,任何组织或个人在同意遵守本程序所采用的协议的基础上,可以任意使用和发布本程序或本程序的修改版本。
Artistic和GPL许可证协议的详细内容请到以下网址查询:
http://www.gnu.org/licenses/license-list.html#SoftwareLicenses
2009-5-4 围棋学习1.38版相对于1.28版更新说明:
1、对“类_基础智能”的修改:
(1)将属于吃子类的方法的返回值由逻辑型改为整数型;
(2)增加了方法“基础智能_思考_一步吃子和一步被吃的点位综合判断”;
(3)修正了方法“基础智能_思考_对方两步包吃我方棋子的点位搜索”的bug。
(4)修改了方法“基础智能_思考_对方一手断开我方两块棋的点位搜索”,
(5)增加了方法“基础智能_思考_我方一手断开对方两块棋的点位搜索”;
(6)增加了方法“基础推算_我方下于本处一手断开对方两块棋判断”;
(7)增加了方法“基础推算_本处相邻某类棋子成盖头判断”;
(8)修改了方法“基础推算_本处周围某类棋子成断臂判断”,并重命名为“基础推算_本处周围某类棋子成日形判断”;
(9)优化了人工智能的初级、中级、高级3种思考方法并修改了名称。
2、修改了自定义数型类型中的“自定义_软件设置”,将其拆分为“自定义_新局设置”和“自定义_界面设置”。
2009-4-30 围棋学习1.28版相对于1.27版更新说明:
1、订正了自定义数据类型中关于让子数设为小数型变量的问题。
2、订正了“类_基础智能”中“人工智能_综合_思考”方法的“参_棋子分布”数组未定义类型的问题。
3、删去了“信息窗口程序集”中“_信息窗口_创建完毕”子程序的多余变量定义。
4、修改了“类_文件”中的几个方法的变量名定义。
2009-4-28 围棋学习1.27版相对于1.26版更新说明:
1、修正了打开gnugo3.6所带的sgf格式文件时的出现的问题。
2、围棋学习1.27版采用了“Artistic/GPL”双重许可证协议发布源代码。
2009-4-27 围棋学习1.26版相对于1.21版更新说明:
1、按实际棋力调整了各级人工智能模块的设置。
2、修正了下子判断时在吃多子的情况下提子数可能重复统计的bug。
3、修正了主窗口界面的一些疏漏。
4、优化了各主要类模块的数据结构和接口。
5、增加了sgf和wqp格式文件关联。
2009-4-22 围棋学习1.21版相对于1.18版更新说明:
1、增加了中级人工智能模块的设计,在新局窗口的“人工智能”一项选择“中级”即可检验,设计思路为模仿棋,感谢网友goomoo的支持和建议。
2、增加了高级人工智能模块的设计,在新局窗口的“人工智能”一项选择“高级”即可检验,设计思路为吃子+随机下子。
3、修改了程序图标。
2009-4-19 围棋学习1.18版相对于1.17版更新说明:
1、优化了人工智能吃子、被吃和围地算法的思考顺序,减少了误着。
2、修正了人工智能吃子、被吃、找自己断点和自己围地算法的一些盲点,减少了废着。
3、保存文件成功时增加了一个提示。
2009-4-16 围棋学习1.17版相对于1.16版更新说明:
1、优化了人工智能两步吃子和三步吃子算法的设计,使之能寻找更多有效落子点。
2、改进了人工智能找自己断点和自己围地算法的设计,使之更有效。
3、增加了人工智能征子歼逃的算法设计(暂未考虑引征)。
2009-4-8 围棋学习1.16版相对于1.15版更新说明:
1、优化了人工智能双吃算法的设计,使之更有效。
2、优化了人工智能两步吃子和三步吃子算法的设计,使之能根据吃子数目多少选择落子点。
2009-4-7 围棋学习1.15版相对于1.14版更新说明:
1、改进了打开文件和保存文件时的初始目录和文件命名操作,使之更智能化。
2、优化了人工智能本方自己围地算法和一步被吃算法的设计,使之更有灵活性。
3、增加了人工智能三步吃子算法和双吃算法的设计,提高了人工智能的水平。
2009-4-3 围棋学习1.14版相对于1.13版更新说明:
1、修正了人机对局时悔棋一手后单击棋盘下子无效的操作方法提示。
2、修正了下棋子时提死子误提本方棋子的Bug。
3、优化了人工智能一步被吃算法设计,使之更简明。
4、优化了人工智能两步吃子算法设计,使之更有效。
5、修正了悔棋一手与再现前一手相混淆的问题。
6、增加了测试用谱。
2009-4-2 围棋学习1.13版相对于1.12版更新说明:
1、修正了从再现状态恢复到对局时工具栏[悔棋]按钮失效的问题。
2、优化了人工智能一步吃子算法,使之能根据吃子数目多少选择落子点。
2009-3-30 围棋学习1.12版相对于1.01版更新说明:
1、细化了新局窗口的贴还数设置项。
2、调整了数目结果显示内容,使之更易理解!
3、显示仿真棋子和仿真棋盘改为默认值,普通棋盘的背景色也修改了。
4、增加了在人机对局时悔棋一手后单击棋盘下子无效的操作方法提示!
5、增加了对通用棋谱文件格式SGF(Smart Go Format FF[1])的支持。
2009-3-24 围棋学习v1.01版说明:
这是一个围棋学习免费软件。
本软件具有人机对局、双人对局、对局演示、对局打谱等功能,可选择2-19路棋盘对局,目前已有两步推算的棋力,可作为围棋初学者的辅助学习工具,也可作为围棋爱好者的辅助研究工具。
本软件的外观界面部分参考了陈志行教授的“手谈”软件和liggo的“围棋打谱程序”软件,在此致谢!
不难看出,在布局阶段,除了官子之外的所有其他技术都有可能出现,可见布局的重要性。而死活,手筋,形势判断与大局观三大技术板块则贯穿全局,是最核心的技术能力。但需要言明的是,出现频率高低并不能都简单理转化为重要性,比如布局和官子出现频率都最低,但却极为重要。而模样攻防与浅消,打入,中盘攻防战术,死活,手筋等虽然在布局阶段也会出现,但仅仅是可能而已,且在此阶段中重要程度相对布局和定式较弱。这些技术在序盘
围棋学研网:http://www.weiqiok.com 博弈围棋教育网: http://www.bywq.com/ 转载于:https://www.cnblogs.com/JohnShao/archive/2011/08/16/2140358.html
我是一个围棋业余3段的人,学了三年,一直想拥有一个属于自己的AI,目前围棋基础还可以,就是苦于自己的编程实力不够,最近看到了一个非常棒的教程,有兴趣的去找tyler_download看他的文章,代码非常详细具体,适合小白,现将我的学习心得和要点一一陈述出来 要做围棋AI先要把架子打出来,先实现基本围棋游戏再考虑引入神经网络,今天就先完成棋盘和落子的类构建 如果你有一定围棋基础,理解下
我正在尝试解决围棋练习之旅,读者: 下面是我的解决方案: 它返回,这意味着只有第一个单词lbh penpxrq gur pbqr!是裂开的。我怎样才能破解整个句子?
我正在进行围棋之旅,我觉得除了并发性之外,我对这门语言有很好的理解。 幻灯片10是一个练习,要求读者并行化一个网络爬虫(并使其不覆盖重复,但我还没有做到。) 以下是我到目前为止的情况: 我的问题是,在哪里我把调用。 如果我在方法中的某个地方放置了,那么程序最终会从一个派生的goroutine写入一个闭合通道,因为对的调用将在派生的goroutine执行之前返回。 如果我省略了对的调用,正如我所演示
A collection of awesome Ruby libraries, tools, frameworks and software. The essential Ruby to build modern Apps and Web Apps. Inspired by the awesome-* trend on GitHub. The goal is to build a categori
Redux 文档旨在教授 Redux 的基本概念,并解释在实际应用程序中使用的关键概念。但是,文档无法涵盖所有内容。令人高兴的是,还有许多其他很好的资源可用于学习 Redux。我们鼓励你仔细查看一下。 其中许多内容涵盖了超出文档范围的主题 , 或以可能更适合您学习方式的方法阐述相同的内容。 此页面包含我们对可用于学习 Redux 的一些最佳外部资源的建议。有关 React,Redux,Javasc
学习资源 有很多社区资源可以帮助你开发应用。如果你对Meteor感兴趣,希望你能参与其中! 教程 快速开始Meteor 官方教程! Stack Overflow 对于技术问题,提问、寻找答案最好的去处就是 Stack Overflow. 确保给你的问题添加 meteor 标签。 论坛 访问 Meteor discussion forums宣布项目,寻求帮助,讨论社区或是讨论核心模块的变动。 Git
学习资源 Deep learning book Deep learning resources 以及 tutorial cs231n cs224d Papers Moning Paper colah’s blog kdnuggets MachineLearning-Handbook arXiv arXiv Sanity Neural Networks and Deep Learning UFLDL