工程棋比赛

这是我试图赢得棋子的比赛的故事。 Asingle Freaking游戏。什么是如此特别？我很擅长象棋吗？一点也不。我在这个过程中改善了我的游戏吗？也没有。这是关于“Thejourney而不是目的地”的故事吗？并不真地。我至少有流程有趣吗？不太确定。这是我试图成为不敏感的故事，可能是最多研究的游戏，并使用我的软浪费背景对于可能不需要它的东西。

虽然我在国际象棋中灾难，但这篇文章对Whoeversery想要改善他们的游戏，我仍然认为它是值得分享的，可以将软件工程原则应用于一个问题。是顽皮的？你会看到最后。

在2020年Covid19大流行期间，我的兄弟和许多其他人一起举行了激情在线棋。在玩几个月的时候开始讲述它并挑战其他家庭，但我父亲会突然出现（并获得数字屠宰）。有一件事，我避免了深入消耗的爱好令人潜在的耗时。我知道国际象棋，了解甚至是一个平庸的业余俱乐部球员，你仍然需要在比赛中千分之一间沉入数百个。我承认我也不喜欢对我哥哥的思想，这是当时肯定的，因为他已经在他的腰带下徘徊了，我没有。

有一天，我终于给了他，接受了他的挑战。毋庸置疑，我完全失去了。我知道游戏的规则和基本的，曾经像一个孩子一起玩了一点点，但我的兄弟显然没有匹配。在赛前的赛后分析中，我认为我的劣势只长大，移动，移动，直到达到+9评估（相当于失去一个车，主教和典击到零），这是一个卷曲的任何希望，我辞职。这款蓝图随访了另一个比赛，我明白我不得不每次拆除麻木的事情。

我首次尝试在游戏中提高的尝试是做明显的：Headto Reddit和YouTube看看其他学习者推荐的内容。来自GM Naroditsky，Somereading和Puzze在Lichess的艺术课程之间，我也用互联网上随机播放了Awew Games。我的评级保持着漂亮的Lown，Lownever（1300 - 1400 Rapids在Lichess上）。

经过另一对对阵我哥哥的困境之后，它恍然大悟，我不希望殴打他。我跟着他相同的措施改进（玩，学习游戏，看视频），但我致力于更少的时间。他每月播放数百场比赛，我愿意玩Maymaybe 10.在那个步伐里，我只会进一步进一步落后。

在那一点上，我有第二次实现：我没有真正的争夺游戏，我不想在国际象棋中真正改善，我唯一只殴打一个人：我的兄弟。

国际象棋匹配通常可以分为三个阶段：开口，中间名和最终名称。在最终的胜利期间将尽职优势转换为胜利通常是“简单的”，后遗症的一些基本的检查模式，所以对我的问题是如何在第一个地方获得该优势。在一个中，在中间场期间的优势通常是通过长期战略实现的。和战术。第一个可以通过阅读和研究游戏原则（我可以享受的东西）堕落，而第二种只是通过做谜题（我不属于这样做）。我知道我会在这里缺点，Giventhat我的兄弟在Chess.com上每天做大约20个谜题，我永远无法赶上。这只留下了一种可能性：开幕期间的Gaitadadvantage。

国际象棋开放理论是谦虚的，涉及记忆的长序列和移动的长度，以及可能的对手的答复。初学者真的需要记住很多，但有些熟悉最常用的人可以走很长的路（或者我被告知）。我试过的是看起来我哥哥的大赛随机游戏，并尝试研究他是令人思想的开口。我看着意大利开幕式西西里人在利思赛中辩护，审议了他们背后的基本想法。我也看过一堆视频onyoutube。

显然，我的兄弟已经在我面前（更好）和SOI又一次地丢失了所有这些。更不用说，记住毫无意义（至少给我）开放动作是无聊和艰苦的。我并没有真正获得任何权利。另一个问题是，在我的对手偏离知识书的举动之后，我不知道如何做出反应，因为我并没有真正的职位。

是时候回来了，再次思考了。我意识到那时我并没有真正击败我的兄弟，但我试图改善我的游戏，对你的游戏完全发挥同样的开口。我可以更具体吗？我可以对我哥哥的弱点准备吗？显然，这不对他以外的任何球员努力，但仍然满足MyoGal。

解决的问题变得：发现了我兄弟（从现在开始的球员X的开放的位置可能会达到和处于AdisAdvantage。请记住，我们都不是游戏的专家，在沃尔维尔球员上没有非常准确地演奏。唯一可以追随书籍的唯一方法将是准确的，因为你至少知道是没有动的动手，他们可以获得一个优势。当你对阵俱乐部球员的时候，这个故事是有关的。如果你知道你的对手不太可能比博语找到正确的回应，所以你可以冒险（即博览会上的缺点）。

我还有500多场比赛的名单，我的兄弟在Chess.com上播放。作为Asoftware工程师，它对我来说是自然的，以便将此作为任何其他工程问题。

我首先通过使用Chess.com API和黑色和白色游戏之间的斯普利特来回下载他扮演的游戏。我专注于他扮演黑色的游戏，因为我觉得我在引导我想要的游戏时有更好的机会，如果我扮演了白色。

导入JSON导入请求DEF GET_MONTH_GAMES（播放器，YYYY_MM）：URL =＆＃39; https：//api.chess.com/pub/player/ {} / games / {}＆＃39; r =请求.get（url .format（播放器，yyyy_mm））如果不是r .ok：提出异常（＆＃39; get_month_games失败＆＃39;）games = json .loads（r .content）＃format：{游戏： [{url，pgn}，......]}回程游戏[＆＃39;游戏＆＃39;]＃...

导入Chomess.PGN导入IO导入JSON与打开（＆＃39; games.json＆＃39;）作为f：data = json .load（f）games = []用于数据中的游戏：pgn = io .stringio（游戏）游戏.append（棋.pgn .read_game（pgn））black_games = [g g g gm g.headers [＆＃34; black＆＃34;] ==＆＃34; playerx＆＃34;]

然后我以这种方式制定了这个问题：“给出了所有职位球员的角色，他可能会在大量劣势的赫斯出来的地方伸出口是什么？”。

现在我有一个完美的问题，我终于在我曾经的域名玩过。我决定在Python进行分析，特别是使用jupyter笔记本，因为我真的不想创造一个可重用的工具，而是仅探索可用的数据并找到onesolution。事实证明，Python已经拥有漂亮的奇妙棋法：Python-Chess（移动生成，验证，可视化）和Python鳕鱼（使用着名的臭鱼国际象棋引擎评估Achess位置的绑定）。

我以这种方式将问题转换为图形问题：节点是一个棋子位置（在Fen符号中描述）.An Edge链接两个节点，通过执行有效的移动，从源源处访问目的地。有一个特殊的初始节点是Commonto所有游戏：初始位置。

然后，我构建了Playerx作为黑色播放的所有游戏的图表，另外用特定移动播放的次数注释每个边缘。

Class GameGraph（）：def __init __（self）：self .graph = igraph .graph（定向= true）def add_move（self，start_fen，end_fen，uci）：vs = self ._ensure_vertex（start_fen）vt = self ._ensure_vertex（END_FEN ）尝试：e = self .graph。.find（_source = vs .index，_target = vt .index）e [＆＃34; count＆＃34;] + = 1除外：e = self .graph .add_edge（vs ，vt）e [＆＃34; uci＆＃34;] = UCI E [＆＃34; count＆＃34;] = 1 @property def start_node（self）：返回自我.graph .vs .find（chess .starting_fen） def _ensure_vertex（self，fen）：尝试：返回自我.graph .vs .find（fen）除：v = self .graph .add_vertex（name = fen）v [＆＃34; fen＆＃34;] = fen [ ＆＃34;转弯＆＃34;] =国际象棋.bess .board（fen）.turn return v

什么结果是加权指示图（不是树，因为一个位置可以用不同的动作序列逐次）（合成的序列）（一种合成的序列，因为真实的一个是太大而无法适合这里）：

这里初始位置是平方节点，颜色指示是否从黑色或白色转弯的位置。

我也希望在优势方面进行评估，因为Whiteand这样做，我使用了库存。鉴于评估数千个位置的过程有点耗时，我决定单独和创建一个JSON对象将每个独特的粪便映射到其系上的课程。

从鳕鱼中导入attribtifishstock =鳕鱼（参数= {＆＃34;线程＆＃34 ;: 8}）库存.set_depth（20）库存.set_skill_level（20）def eval_pos（fen）：股票.set_fen_position（fen）返回股票.get_evaliumate （）＃fens是FEN字符串和图形节点之间的映射。 fen，图形中的节点.Fens .Items（）：node .eva = eval_pos（fen）

评估在蜈蚣Adailition或“Mate-In XMoves”中返回，其中正数意味着白色和负数是黑色的AdadadaDap：

{＆＃34;类型＆＃34 ;:＆＃34; cp＆＃34 ;,＆＃34;值＆＃34 ;: 12}＃12 for white for white。{＆＃34;类型＆＃34 ;:＆＃34 ;配偶＆＃34 ;,＆＃34;价值＆＃34 ;: - 3}＃黑色有三个。

100蜈蚣代表了比你oboponent更典当的优势，300个是像主教等一块次要作品。然而，请注意，即使在板上的碎片上，它也是根据其位置对碎片的价值。

我需要将此评估映射到更可管理的东西，如Number20和1.这样做，我任意决定，300+被映射到1.0的优势，300+的缺点映射到0.此外，任何matein x （即使x为20）也是1或0。

＃返回[-1; 1] def等级（ev，fen）：val = ev [＆＃34;值＆＃34;]如果ev [＆＃34;类型＆＃34;] ==＆＃34; cp＆＃34 ;：＃钳位至-300，+300。赢得一块就足够了。 val = max（ - 300，min（300，val））返回x：也是最大额定值的Val / 300.0＃mate。如果val＆gt; 0：返回1.0如果val＆lt; 0：返回 - 1.0＃这已经是mate，但是是白色或黑色的吗？ B =棋.best .bork 1.0如果b .turn == chess .white - 1.0＃返回[0; 1]，其中0是min，1是黑色的最大优势。 def rating_black（ev，fen）：返回-rating（ev，fen）* 0.5 + 0.5

然后，信息就在那里，我只需要找到图表中的节点（即位置），其中黑色处于劣势，以及最有可能达到它的序列。我需要在这样的远处重视边缘，可以容易地计算达到鉴定的概率。我的推理如下：

在每个位置，我们可以评估一定移动的概率，并通过从该位置完成的动作的总值拍摄相应边缘拍摄的次数。

每个边缘现在都有0到1之间的重量，其中越高，较高的，边缘从该位置拍摄的概率越高。

然后，一定路径的概率是遍历边缘的概率的乘积。

要解决标准图形算法的问题，我需要以这样的方式在边缘处转换重量：

它们代表距离而不是概率（即较长的误差，路径的概率越低）。

两个节点之间的距离是遍历的权重的总和（与概率的乘积相反）。

def compute_edges_edges_edges_weight（顶点）：all_count = sum（map（lambda x：x [＆＃34; count＆＃34; count＆＃34; fortex .out_edges（）））for边缘在顶点.out_edges（）：prob =边缘[＆＃34 ;计数＆＃34;] / all_count边缘[＆＃34; prob＆＃34;] = prob边缘[＆＃34;重量＆＃34;] = -math .log（prob）

采用边缘的对数将提供负数，因为概率在0到1之间。我们不必担心概率为零的概率（它会将对数拍摄为减去无穷大），因为每个边缘图表已经至少拍了一次。较低的可使能，对数越负，因此反转其签名使其满足我们的要求，因为：

Logarithms的总和与Initarguments的乘积的对数相同：log（a）+ log（b）= log（a * b）。

配备此数据，我们可以使用Dijkstra的算法计算InitialNode和所有其他节点之间的ShortestPath。结果是每个节点和初始位置的最短路径之间的映射，这表示最可能降落在本集会中的移动序列。

此时，我任意选择了最小的优势，并对路径进行了排序。前几条路径代表了我最佳机会，以获得对球员的开口的散系。

我发现了什么？这是由上面的算法（白色的Tomove）返回的位置：

正如你可以看到黑色的情况非常糟糕（+8.9根据Tostockfish），因为G6，黑色的最后一个举动，是一个错误。白会腾出，乘坐E5典当和车。黑色的游戏几乎没有结束，斯蒂斯争夺拯救骑士，H7典当和主教。另一个结果这个（白色移动）：

这里的问题是，这些问题是玩家唯一只有他的第一场比赛而不是再次重复的问题。早期的女王攻击是由非常擅长的球员进行的，他们是那个级别的唯一有效的球员。球员x并没有为那个陷阱而堕落，因为最好的陷阱，因为更好的对手不起那种举动！我仰视我真的无法使用这个开放，因为玩家x知道如何保护它现在，不会再堕落它。

另一个问题与只有一次发生一次的动作序列有关。最终位置的概率是最后一个公共位置的概率，因为每个边缘都有1.0的可追随性（鉴于没有播放其他可能性）。在下面的示例（标有其概率的边缘）中，您可以遵循edgeswith 7和6（移动2的最常见位置），但随后从该点开始遵循一个内容，所有后续移动都将具有只有一次（因为只有单一匹配达到该位置），而且达到的步骤将具有1.0的概率。

这直观地不正确，因为它是不可能的，即相同的序列移动将以绝对的确定性播放。我们没有足够的游戏，这些职位扮演了这一点。

着名的报价（来自Brewster？）“在理论上没有理论和实践之间没有区别，而在实践中，在实践中”，在这种情况下也是如此，所以我需要一些调整和手工读数来寻找更好的候选人职位。

为了纠正第二个问题，我决定将一个上限绑定到边缘的可Probiabity，因此只有一次反向失去概率的长度的动作序列。

def compute_edges_edges_epeges_weight（顶点，prob_ceiling = 0.9）：all_count = sum（map（lambda x：x [＆＃34; count＆＃34; fortex .out_edges（）），用于顶点中的边缘.out_edges（）：＃certainty并未＃39; t存在......让＆＃39; s放置概率上限（默认为90％）。 prob = min（边缘[＆＃34; count＆＃34;] / all_count，prob_ceiling）边缘[＆＃34; prob＆＃34;] = prob边缘[＆＃34;权重＆＃34;] = -math .log（概率）

对于第一个问题，我只是手动筛选了不好的建议。在最后一天，我只需要一个或两个良好的位置来工作。

另一个调整与我不希望白人的概率中不希望影响路径的可能性，因为我正在玩白色，并且可以弥合哪个路径。因此，我将所有白人概率设置为1.0（零重量）。最终结果是这样的图形：

根据LiChess的说法，这是一个含有啤酒的防御（两个典当攻击）。在此属中，黑色（NB6）和黑色只有一个好的举动，仍处于aslorlight的劣势（根据库存+0.6）。但是，从该位置播放播放NF4，这是坏的（+2.3）。我在LiChess的一项研究中创建了一项研究，看了几种变化（Playerx播放的好的动作和动作）。最终结果是我试图记忆安德朗德的可能性树。例如，我需要知道D5的动作是什么，为什么移动NF4坏了并准备了最好的响应。

我没有花太多时间这样做，因为我很快厌倦了，但是idid准备了即将到来的比赛。

好像我在预测未来，在我对球员的比赛中，我们进入了Analekhine Defense。放在压力下，他确实最终起来了他的骑士atmove 5.甚至比你最终更好的球员比你在劣势的时候更好地误解了另一个。当你赢得时，很容易玩，但是当你失去时，你可以保持酷吗？在移动10i处于A + 7.1的优势，几乎不可能失去，但我也在准备时。看看黑人的立场是如何以及我的操作系统都指向敌人的国王：

我开始从那一点开始犯了一堆错误，但我仍然可以保持非凡的优势直到移动27：

不幸的是，我准时很低（这是一个快速的10分钟比赛），所以我赶紧迅速移动。我最终弄乱了32和33，给了Myhalf-Devonent对手伴侣：/。

我从这个努力中学到了什么？一些事情，大多数似乎显着回顾：

较低水平的球员不擅长惩罚来自特色的可疑动作。进入棘手的位置，在只有一个响应是正确的方法来获得优势的方法。

开口不是一切。如果您在时间管理和策略时不好，则可能失去完全获胜的职位。国际象棋游戏可以被一个糟糕的举动铺板。

学习游戏很重要，如果你的对手比你好，而且没有银耳子弹，但可以采用特定准备缩小技能差距。

将软件工程原则应用于国际象棋很有趣。在殴打你的兄弟时，做到这一点更有趣！我希望有一天我能做到:)

您可以找到我在github repo中使用的代码。请注意，我没有输入数据，代码相当凌乱，但我希望它可以是某种东西，特别是对于考虑计算机SCIEncemight的人，尤其是考虑到他们的人。看，你可以解决“现实世界”问题，这不仅仅是在周围移动的比特！

这就是所有的人，我希望我能有一天能赢得哥哥的比赛，但直到那时，我会继续尝试＆amp; mldr我自己的方式。 原始用户名被编辑出来，因为我没有让我的兄弟的人发布比赛。 在他发现之前，我还希望再次尝试这个技巧:)♥