基于大数据的象棋人工智能

目标：基于大数据的象棋人工智能。 人类作为红方先走棋，AI 作为黑方根据人类走棋后的棋局状态做出相应的走棋策略，以尽可能战胜人类为依据。

项目演示链接

中国象棋网页链接： https://chess.stm32-mqtt.top

中国象棋 APP 下载链接: https://chess.stm32-mqtt.top/zhchess.apk

主要工作

• 前端： 使用框架：zh-chess、Element-plus

导入 zh-chess 框架：npm i zh-chess canvas -D

具体实现：在 onMounted 生命周期中实例化对象 game，监听 move、over 等状态，在 MoveCallback 回调中执行 update 方法更新棋盘

• 数据处理 使用技术：Selenium。

棋谱数据来源：http://game.onegreen.net/chess/。

具体实现：使用 Selenium 模拟用户访问该棋谱网站并获得该页面 HTML 源代码，再通过正则表达式获取该局红黑双方下棋动作列表 movelist 并将收集到的数据写入 xlsx 文件。该网页数据获取完毕后，模拟点击网页上局棋谱，收集其他棋局数据，直至数据全部收集完毕。

• 后端 框架选择：FastAPI （FastAPI 是一个用于构建 API 的现代、快速（高性能）的 web 框架）

该项目中使用 FastAPI 编写了两个接口。 1./predictChessAction/{chessboard_status} GET 请求 • 作用：该接口接收一个棋局状态作为路径参数，用于预测下一步最可能的棋子移动。 • 预测下一步棋子移动的实现细节：通过 Pyspark 使用 Spark 的强大统计功能来处理大规模数据集。 ① 创建 SparkSession，用于读取和处理数据。 ② 读取 chessboard.csv 文件，重命名列名为更有意义的名称：棋盘状态、预测的棋子移动、预测棋子移动后棋盘状态。 ③ 根据棋盘状态过滤数据，只保留匹配的行。 ④ 对过滤后的数据进行分组，统计每个预测棋子移动出现的次数并存储在 count 列。 ⑤ 根据 count 列降序排序，使出现次数最多的预测棋子移动排在最前。 ⑥ 将处理后的 DataFrame 转换为 JSON 格式返回。

2./recordChessStatus POST 请求 • 作用：该接口用于记录棋子移动后的棋盘状态。 • 参数：json 类型：{ "chessboardStatus": "string", "predictAction": "string", "chessboardStatusAfterPredictAction": "string", } • 后端成功收到参数后会将收到的数据写入 chessboard.csv 文件。

如何开始

1. 克隆本仓库：git clone https://github.com/jynba/chess_project.git
2. 进入项目目录：cd chess_project

贡献与许可

欢迎贡献！如果你有改进或新功能的想法，请提交 pull request。

本项目基于 MIT 许可证 进行开源。