围棋程序主要应用以下算法：
数子法
确认终局后，先将双方死子全部清理出盘外，然后计算一方的子数总和（子和围住的点全部相加，子和点相同，以子为单位计数），双方之间的空点各得一半，一个点即为一子。超出1801/2子（和局本数，等于此数为和）为胜。通常比赛中采用贴子的对局，按例计算即可。
数目法
确认终局后，以双方围住的空点多的一方为胜，对局全程中己方的死子需填回己方围住的地域中（围住的空点）。
暴力搜索算法
这是一种最基本的算法，通过对所有可能的下一步进行搜索，找到最佳的下棋方案。这种算法的时间复杂度非常高，在实际应用中往往无法承受。
深度优先搜索算法
这种算法通过递归地搜索树形结构，找到最佳的下棋方案。它的时间复杂度比暴力搜索算法有所降低，但仍然非常高。
广度优先搜索算法
这种算法通过逐层扩展搜索树，找到最佳的下棋方案。它的时间复杂度比深度优先搜索算法更低，但仍然非常高。
蒙特卡洛树搜索算法
这种算法通过模拟随机棋局，找到最佳的下棋方案。它的时间复杂度比其他算法都低，但准确性也相对较低。
Alpha-beta剪枝算法
这是基于极小化极大算法的改进版本，通过剪枝来减少搜索空间，从而更快地找到最优解。通过评估节点的上限和下限值，Alpha-Beta剪枝算法能够更好地控制搜索深度。
强化学习算法
例如Q-learning和Deep Q Network等，通过不断尝试和反馈来优化策略，训练智能代理程序。
机器学习算法
例如深度神经网络，用于训练模型，使其能够对局面进行预测和评分。
模式识别
识别围棋中的棋型，并在不同局面中应用不同的策略。
在实际应用中，围棋程序通常会结合多种算法来提高效率和准确性。例如，蒙特卡洛树搜索算法和Alpha-beta剪枝算法常用于构建强大的围棋AI，而深度学习和强化学习则用于进一步提高AI的水平和自主决策能力。