alpha-beta-pruning

2熱度

1回答

我一直在試圖理解在遊戲的井字遊戲的中間狀態minimax算法的工作。但我無法這樣做。我明白min max算法會在每一步中爲玩家返回最佳狀態。如果國家是這樣在比賽的最後階段，這是比較容易理解的是，導致一個優勢或最高分的球員的狀態是最好的配置。在這個例子中，我們可以看到葉子上得分'1'的狀態是最好的狀態。但是在中間階段或遊戲開始時會發生什麼。假設我們有3個位置開始或者玩家可以通過玩某個位置去這些國

0熱度

1回答

四通ai Alpha beta minmax

您好首先我的英語水平非常好，所以有些事情是不可理解的。我爲tic-tac-toe編寫了一個MinMax算法，它工作得很好。所以我嘗試着使用MinMax四種連接算法，可惜它不能像我想要的那樣工作。然後我在谷歌上找到Alpha beta MinMax，當我終於明白它的時候，我試了一下，但這是一場災難。這裏是我的MinMax我爲4連接做了什麼，有人可以給我一個建議，我如何實現alpha和beta？ pr

2熱度

1回答

連接4 Alpha-beta修剪可能失敗:(

我一直在工作了一段時間，人工智能問題，並在這個星期我已經嘗試編碼AI連接4與Python。首先我有複製板的問題，但我想在Python中你需要使用deepcopy來避免複製錯誤最後，我設法創建了alpha-beta修剪算法，它工作正常，但後來我測試了我的算法深度8對在線alpha-beta修剪算法深入6，令人驚訝的是我的算法丟失了，我用harvard的教師創建了評估函數，並且從msavenski的

0熱度

1回答

平行國際象棋搜索的共享哈希表

這是一個有關平行國際象棋搜索的shared hashtable algorithm的概念性問題。我已經實現了一個產生4個線程的alpha-beta搜索，每個線程都進行搜索並返回最佳移動/評估。但是，我正在觀察搜索不穩定性，其中線程返回不同的結果。我正在使用鏈接中描述的無鎖散列表，所以有些條目可能會被覆蓋或損壞，儘管損壞的數據永遠不會被實際使用。爲什麼搜索線程可能返回不同的結果？這是並行搜索的預

1熱度

1回答

查找可能的移動Tic Tac Toe的極大極小算法

我決定創建一個帶有11x11棋盤的Tic Tac Toe遊戲，勝利條件是連續（垂直，水平或對角）5格X或O或當棋盤滿，即沒有可能的移動。我創建了一個AI對手，它使用minimax算法找到棋盤上的最佳棋步。極大極小（具有α-β修剪）的僞代碼如下： function alphabeta(node, depth, α, β, maximizingPlayer) if the game end

2熱度

1回答

蒙特卡洛樹搜索：雙人遊戲的樹策略

我對如何實施MCTS「樹策略」有點困惑。我讀過的每篇論文或文章都會談到從目前的遊戲狀態（在MCTS teminology中：玩家即將採取行動的根源）進入樹狀結構。我的問題是我如何選擇最好的孩子，即使我在MIN玩家級別（假設我是MAX玩家）。即使我選擇MIN可能採取的一些特定動作，並且我的搜索樹在該節點中的深度也會更大，但MIN玩家在選擇其他節點時可能會選擇不同的節點（如果min玩家是業餘人員，以及

1熱度

2回答

通過alpha beta修剪瞭解minimax

對不起，圖片直接從我的筆記。我一直在讀了極小的樹木和alpha數據修剪的最後一天，在我的項目準備了一下。這是c中的奧賽羅的實現。我看過噸左右，它的資源，我知道它被問了很多。在我開始評估功能之前，我想充分理解這一點。在附圖中，我無法弄清楚功能Min_Node(pos)和Max_Node(pos)會做什麼，任何輸入將不勝感激。如果任何人有我應該去尋找實現這個和奧賽羅對我的評價功能，當任何提示

0熱度

1回答

如何使基於alpha-beta搜索的遊戲引擎不確定？

我成功地實現了一個負面的遊戲引擎，它運行良好，但具有確定性。這意味着我可以一遍又一遍地重放同一遊戲，因爲對於給定的位置，遊戲引擎每次都會產生相同的最佳移動。這在我的例子中是不需要的，因爲我想在編碼錦標賽和確定性行爲方面與我的算法競爭，對手可以很容易地編寫通過對我的程序重播一系列獲勝動作而獲勝的程序。我的問題是，使它不那麼確定的最有效和最優雅的方法是什麼？我可以爲我的位置評估添加隨機偏移量，但恐怕

1熱度

1回答

收集和檢索從alphabeta框架的主要變化

我想在python中寫一個國際象棋引擎，我可以找到給定位置的最佳舉動，但我努力從該位置收集主要變化，以下是我所到目前爲止已經試過： def alphabeta(board, alpha, beta, depth, pvtable): if depth == 0: return evaluate.eval(board) for move in board.lega

0熱度

1回答

如何在minimax算法中應用alpha-beta修剪實現2048 AI代理？

我正在爲2048開發一個AI，並且即將應用minimax算法。但是，2048的搜索樹實際上就像一個沒有Min角色的Expectiminimax樹。我想知道我是否沒有Min角色，如何在實踐中應用alpha-beta修剪？如果我不應用alpha-beta修剪在這種情況下，我怎麼能減少無用的搜索分支？任何想法將不勝感激。謝謝。