我在为Python编程课程编写一个项目时有一个问题。我正在编写一个黑白棋引擎，它会提前查看几步棋，然后选择它认为最佳的走法。虽然我明白Python并不是这种任务的理想语言（因为它不如其他一些语言快），但我认为可以编写出至少功能性的代码，尽管可能速度会稍慢一些。

话虽如此，我正在尝试创建两个表：一个游戏棋盘（可以想象成一个矩阵）和一个存储整数的游戏树。我希望使用一种内存高效且快速添加、删除和读取条目的方法。

我目前使用的棋盘效率不高。我想询问大家有什么模块建议（并附上使用说明），以编写一个在内存占用上更轻的等效版本（例如：array, numpy；但我不知道如何使用这些）：

self.board = [[0, 0, 0, 0, 0, 0, 0, 0,],              [0, 0, 0, 0, 0, 0, 0, 0,],              [0, 0, 0, 0, 0, 0, 0, 0,],              [0, 0, 0, 1, 2, 0, 0, 0,],              [0, 0, 0, 2, 1, 0, 0, 0,],              [0, 0, 0, 0, 0, 0, 0, 0,]              [0, 0, 0, 0, 0, 0, 0, 0,],              [0, 0, 0, 0, 0, 0, 0, 0,]]

对于游戏树，我有一些想法，具体取决于列表的列表应该有多轻。我正在使用的标准Python编写的想法类似于：

tree_zero = %tree_one =  [%, %, %]tree_two = [[%, %, %], [%, %, %], [%, %, %]]tree_thre = [[[%, %, %], [%, %, %], [%, %, %]],             [[%, %, %], [%, %, %], [%, %, %]],             [[%, %, %], [%, %, %], [%, %, %]]],tree_four = [[[[%, %, %], [%, %, %], [%, %, %]],              [[%, %, %], [%, %, %], [%, %, %]],              [[%, %, %], [%, %, %], [%, %, %]]],             [[[%, %, %], [%, %, %], [%, %, %]],              [[%, %, %], [%, %, %], [%, %, %]],              [[%, %, %], [%, %, %], [%, %, %]]],             [[[%, %, %], [%, %, %], [%, %, %]],              [[%, %, %], [%, %, %], [%, %, %]],              [[%, %, %], [%, %, %], [%, %, %]]]]

其中每个%将是上述棋盘之一（并且比理想情况更好：不是每个回合都有确切的三个选项）。但这是一个缓慢且沉重的对象，Python很难高效地使用内存（特别是如果我深入到超过4步棋的情况）。

如果有人之前使用过这样的程序或有关于高效模块导入的想法，请告诉我！

关于游戏树的例子，可以参考维基百科页面，特别是页面上的第一张图片。

编辑：理想情况下，我希望能看到超过四步棋的预测，这只是前四级的示例。此外，将有多个给定树的副本在使用。速度对于这种指数级增长的任务非常重要。

回答：

在我看来，Python非常适合这种工作！也就是说，我用Python为棋盘游戏做AI时，非常有趣且高效。

我的第一个建议是探索位板。虽然这里的应用示例是国际象棋，但这个概念完全可以转移到黑白棋上。使用零和一来表示固定大小棋盘上的棋子存在，不仅可以降低内存占用，还可以提高计算速度（位运算比等式运算更快）。

此外，你应该重新设计你的模型，以某种方式实现递归（通过评分函数促进）。这样的实现意味着你可以编写一个单一的函数，并允许它扩展到无限的移动深度（或者说，不受你的设计限制，仅受资源限制），而不是预期并硬编码1、2、3、4步的逻辑。一个设计良好的函数可以适用于双方（玩家），然后可以暂停以选择符合阈值的最佳选项（根据你选择的任何标准暂停，如计算的位置/实时花费的时间）。

作为参考，这是我制作的一个名为Thud的棋盘游戏的GitHub，需求几乎与你的程序完全相同。在这里，我使用了一个17×17的棋盘，三种不同的棋子和两种不同的策略——我们都可以看到，这已经比黑白棋的规则更复杂了。

哦，一个好的递归模型还可以支持多线程！