这是国际象棋程序设计连载的第一部分，本连载共有六部分，他们不仅仅是针对象棋的，还可以运用到别的益智类游戏中。
在人工智能领域中，专家对象棋进行了大量卓有成效的研究，这其中就有电脑对抗卡斯帕罗夫等世界冠*的比赛。象棋在人工智能上的地位，就相当于果蝇在遗传学上的地位，举足轻重。我的连载将着重介绍人工智能的程序设计艺术，这其中包括“深蓝”(DeepBlue)等著名程序。
我的连载从年4月开始，每个月一次，到10月结束的时候，我会用Java写一个简单的程序来实现对弈。到时候你们可以从我的网站上随便下载，耐心地等吧。
信息完备的游戏
象棋是“信息完备”的游戏，因为游戏双方面对的局面是同一个局面，任何一方所掌握的棋子及其位置的信息是一样的。除了象棋以外，西洋跳棋(Checkers)、围棋(Go)、五子棋(Go-Moku)、西洋双陆棋(Backgammon)、黑白棋(Othello)可等也属于这一范畴。但是纸牌游戏却不是，因为你不知道对手手上的牌是什么。
我的连载中将提到各种算法，大多数算法对所有的信息完备的游戏都是有效的，只是细节上有所不同罢了。很明显，无论棋盘、着法、位置等因素有那些，搜索算法就是搜索算法，它不会因为游戏规则而改变。
我们需要什么？
能下棋的电脑软件至少要包括下列组件：
1.棋盘的表示方法，即局面在存储器中的存储方法，程序是根据它来分析局面的；
2.掌握规则，即什么样的着法是合理的，如果程序连不合理的着法都不能检测出来，那么对手就可以利用这种着法来欺骗程序；
3.找出所有合理着法的算法，这样程序就可以从这些着法中找到最好的，而不是随便找一种着法；
4.比较方法，包括比较着法的方法和比较局面的方法，这样程序就可以选择最佳的着法；
5.用户界面。
本连载将涉及以上除了用户界面以外的所有内容，用户界面在所有二维棋类游戏中都是差不多的，这里就不作介绍了。接下来将对以上几个部分作逐一介绍，并且引出许多重要的概念。
棋盘的表示方法
在早期的程序设计过程中，存储器是非常有限的(有些程序只用8K或更少的存储器)，所以最简单、最节省的表示方法就是最有效的方法。一个典型的国际象棋棋盘可以用一个8x8的数组表示，棋盘上的每个格子用一个字节表示——空的格子用0，黑方的王用1，等等。
如今，象棋程序可以在64位计算机上运行了，精心设计的“位棋盘”表示诞生了。在60年代后期，位棋盘在苏联诞生，一个位棋盘由一个64位的字来表示局面中的某个状态，一位代表一个格子。例如，一个位棋盘能表示“所有被黑兵占有的格子”，或者“处于e3格的后可以走的格子”，或者“被黑马攻击的白子所处的格子”，等等。位棋盘用途广泛，并且具有很快的运算速度，因为局面分析时要做大量的逻辑运算，而一个位棋盘的运算只需要一次操作就可以了。
这部分内容将在连载的第二部分作详细介绍。
着法的产生
所谓棋类游戏的规则，指的就是某一方可以走哪些着法。某些游戏很容易就找到合理着法，例如在井字棋中，所有空的格子都是合理着法。但是在象棋中，情况就有些复杂了，每个棋子都有它特定的着法，例如兵吃子时走斜线，而不吃子时走纵线，又例如把王走到被将*的格子是不允许的，还有诸如“吃过路兵”、兵的升变、王车易位等着法只有在特殊场合才是合理的。
事实上在象棋程序设计中，着法的产生已经被证实为最复杂和最费时的事。幸运的是，着法的产生有一些预处理的技巧，我还会介绍一些数据结构，它们能显著提高着法产生的速度。
这部分内容将在连载的第三部分作详细介绍。
搜索技巧
对于计算机来说，判断一个着法是好的或坏的，并不是件容易的事。判断着法优劣的最佳办法，就是看它们的后续结果，只有推演以后一系列的着法，才能确定看那步是好的。在保证不犯错误的前提下，我们要设想对手会走出最好的应着。这一基本原理称为“最小-最大”搜索算法，它是所有象棋程序的基础。
不幸的是，“最小-最大”法的运算量是O(bn)，b(分支因子)指平均每步的合理着法，n(深度)指思考的步数(一回合有两步)。所以当步数增长时，运算量以几何级数迅速增长，如果要思考得更深一些，就必须用更为合理的算法。其中，迭代加深的Alpha-Beta搜索、NegaScout搜索和MTD(f)搜索是最基本的算法，这些会在连载的第四部分介绍。除此以外，还要依靠数据结构和启发式算法的帮助，启发式算法是增强棋力的算法，例如置换表(TranspositionTables)、历史启发和将杀启发(History/KillerHeuristic)等。
在象棋程序设计中，另一个头痛的问题是“水平线效应”(HorizonEffect)，它首先由HansBerliner提出。假设你的程序的搜索深度是8步，并且程序算出对手会在第六步捉死你的后。按照程序自己的设想，它会献出象来延缓后的捉死(假定这样做可以让后在第10步才被捉死)，因为程序只能看到8步。从程序的角度看，后是被“保住”了，因为在它的搜索范围内后没有被捉死，但事实上却多丢了一个象。从这个例子可以看出，要把程序的工作重心放置到位，并不是一件简单的事情，如果把每条变化都搜索到同一深度，那么结果是自取灭亡。很多技术是用来克服水平线效应，在连载的第五部分关于高级搜索的阐述中，将要介绍静态搜索(QuiescenceSearch)和深蓝(DeepBlue)的单步延伸(SingularExtensions)。
评价局面
最后，程序必须有一个估计局面(占优或处于劣势)的方法。局面估计方法完全取决于规则(即子的走法)——在象棋中，“子力平衡”(MaterialBalance)是主导因素，因为一个小小的兵的领先就可能足以保证优势一方取得胜利，而在五子棋中却没什么影响，在黑白棋里，根据子力上的数值分析局面则完全会成为误导，你可能一直处于领先状态，但最后几步局面却翻了盘。
建立有效的局面评估方法，这常常会成为程序设计中的难点和焦点。连载的第六部分将详细阐述著名象棋程序的局面评估方法，其中包括Chess4.5、CrayBlitz和Belle(尤物)。
结论
我们已经找到了完成拼版的所需要的碎片，现在是开始动手做的时候了。后面将介绍最常用的棋盘表示方法，敬请