如何建模這種人工智能？

Question

玩this遊戲我想知道如何控制偵探或罪犯可以工作的人工智能。

對於懶惰的人遊戲的目的是簡單的：

• 棋盤遊戲是有4種邊緣（即也可以爲相同的一對或頂點重疊）的無向圖中，每個類是需要特定種類票證的運輸方式
• 偵探擁有一堆車票來繞過此圖，每轉一圈（這意味着從一個節點到另一個節點）。罪犯可以做同樣的動作（加上3條專屬路徑），但沒有限制票號
• 罪犯通常隱藏在偵探中，但它必須在5個特定輪次中出現（然後再隱藏）
• 如果偵探能夠在24次移動之前抓住他（他們中的一個必須佔據同一犯人的單元格），那麼他們將獲勝，否則犯罪分子必須顯示他每回合使用哪張票，但他也有每個偵探1張黑色票（讓我們假設5張）可用於消除這件事
• 犯罪分子還有兩張2x票，允許他在同一回合中使用兩張票（以及兩個動作）

我可以有效地思考一個AI的犯罪，它只是一個minmax樹，試圖選擇最大化偵測到達他所需動作數量的動作（這似乎是一個很好的指標），但對於那些應該合作的偵探來說，我想不出任何足夠酷的東西，並且通過查看它使用的門票來猜測犯罪分子的位置。

這只是爲了好玩，但你現在有沒有什麼很酷的想法來找出一些相當聰明的東西？

Answer 1

你問如何建模，而不是如何這有效地解決：

它可以很容易地建模爲部分可觀馬爾可夫決策過程（wiki link）。這對偵探和罪犯都有效。 POMDP是一個非常通用的模型。

Answer 2

我喜歡這個遊戲，我認爲你想爲偵探建模犯罪分子在每個地點的概率。每隔一段時間你就會知道罪犯的確切位置，然後你可以考慮他做出的以下動作，以確定他可能在哪個位置。

一旦你有了這個，我不太清楚如何優化偵探動作。你可以調動偵探減少一系列可能性，有效地控制罪犯。但是我相信還有一些更高層次的戰略需要圍繞票據而不是用完。

Answer 3

我想像某種蒙特卡洛實現將是一個很好的候選人，即。模擬成千上萬種組合，並選擇以大多數時間以最佳結果結束的組合。由於罪犯必須能夠看到5次回合，所以分支因子應該保持在很好的控制之下，儘管MC也被證明是高分支因子游戲中的一種非常好的技術。走。

Answer 4

爲了讓偵探之間的團隊協作，你需要將他們建模爲團隊而不是個人。 Minimax仍然是一條好路，但（可惜）你的分支因素將會飆升。

而不是通過所有的偵探，讓每個偵探成爲最好的，而不是你的偵探團隊，你可以制定出他們可能做出的每一個移動排列。如果團隊合作在這場比賽中有所幫助，那麼超級巨人會支持偵探在一起工作的排列組合。

我不確定它是否實用，24層的5名偵探可能工作太多，但嘗試這很有趣，這就對了嗎？