亚马逊棋的博弈树过大，一般的搜索方式都行不通。
在尝试了多种搜索算法后，近日使用蒙特卡洛，表现的效果离预期效果相差甚远。于是，希望破灭，程序进展再次陷入僵局。
我是这样使用蒙特卡洛的：首先从可走的那些着法中去掉垃圾着法，保留一些比较好的；然后对保留下的那些着法逐个使用蒙特卡洛的思想进行模拟对局（对局至2至6步），模拟对局的局数为10000局；最后对10000个局面进行整体评估。问题就随之而来了，一个着法模拟对局10000局，每次模拟对局2步，一个着法耗费的时间达到约1秒！于是100个着法的模拟对局会耗费100秒！这种速度是无法容忍的。
与蒙特卡洛算法一起的还有一个UCT算法，我没有用UCT，UCT是使程序有选择的展开那些胜率比较高的着法，应该不会对模拟对局的速度有影响呀。
总之，现在是一头雾水。
希望大家能帮我看看，我想我一定是哪里错了，专家说Amazons使用蒙特卡洛算法的计算速度非常快，而我的却慢如蜗牛
在尝试了多种搜索算法后，近日使用蒙特卡洛，表现的效果离预期效果相差甚远。于是，希望破灭，程序进展再次陷入僵局。
我是这样使用蒙特卡洛的：首先从可走的那些着法中去掉垃圾着法，保留一些比较好的；然后对保留下的那些着法逐个使用蒙特卡洛的思想进行模拟对局（对局至2至6步），模拟对局的局数为10000局；最后对10000个局面进行整体评估。问题就随之而来了，一个着法模拟对局10000局，每次模拟对局2步，一个着法耗费的时间达到约1秒！于是100个着法的模拟对局会耗费100秒！这种速度是无法容忍的。
与蒙特卡洛算法一起的还有一个UCT算法，我没有用UCT，UCT是使程序有选择的展开那些胜率比较高的着法，应该不会对模拟对局的速度有影响呀。
总之，现在是一头雾水。
希望大家能帮我看看，我想我一定是哪里错了，专家说Amazons使用蒙特卡洛算法的计算速度非常快，而我的却慢如蜗牛
http://topic.csdn.net/u/20090706/18/4361fdac-a26a-431f-bb3a-8a093b471c7c.html刚开始的时候也一直纠结于纯搜索算法,但事实证明，光有好的算法也没用，一但搜索深度增加到一定程度，博弈树就会成千万倍的增加。
所以需要结合棋谱，过滤掉大部分的无用节点，搜索深度会有很大的提高。如果还需要继续增加，可以考虑使用分布式结构。使用搜索服务程序分布到局域网中，然后主程序把节点数据依次发给各服务器计算。
以前做的那个象棋程序，我使用了9台机计算机做分布计算。搜索到128层只用了11秒，如果你用单台计算，估计算上几天也算不完。