對人工智慧中「極大極小值」的博弈演算法的資料整理。

對人工智慧中「極大極小值」的博弈演算法的資料整理。

1. 極大極小演算法被廣泛應用於計算機的棋類遊戲中。不被用於打牌。因為計算機無法看到對手的牌，就很難做出**。在棋類遊戲中，雙方的棋子都是明確的，所以計算機可以通過類似深度優先搜尋（遞迴）的方法來求解。也就是the minimax tree。

為了優化演算法，採用α-β剪枝演算法來降低複雜度。如：原先要計算400個節點，現在縮小到了平方根，也就是20個節點。

極大極小演算法的層級節點數是指數遞增的…所以一般我們會進行層數限制。

2. 偽**：

function minimax(node, depth) // 指定當前節點和搜尋深度

// 如果能得到確定的結果或者深度為零，使用評估函式返回局面得分
if node is a terminal node or depth = 0
return the heuristic value of node
// 如果輪到對手走棋，是極小節點，選擇乙個得分最小的走法
if the adversary is to play at node
let α := +∞
foreach child of node
α := min(α, minimax(child, depth-1))
// 如果輪到我們走棋，是極大節點，選擇乙個得分最大的走法
else 
let α := -∞
foreach child of node
α := max(α, minimax(child, depth-1))
return α;

int minmax(int depth)  else  

} 　 
int max(int depth) 
generatelegalmoves(); 
while (movesleft()) 
} 　return best; 
} 　 
int min(int depth) 
generatelegalmoves(); 
while (movesleft()) 
} 　return best; 
}

function

alphabeta
(node, depth, α, β, player)
ifdepth = 0 or
nodeisa
terminal
node
return
theheuristic
value
ofnode
ifplayer = maxplayer // 極大節點
foreach
child
ofnode // 極小節點
α := max(α, alphabeta(child, depth-1, α, β, not(player) )) 
if β ≤ α // 該極大節點的值》=α>=β，該極大節點後面的搜尋到的值肯定會大於β，因此不會被其上層的極小節點所選用了。對於根節點，β為正無窮
break
(* beta cut-off *)
return α
else
// 極小節點
foreach child of node // 極大節點
β := min(β, alphabeta(child, depth-1, α, β, not(player) )) // 極小節點
if β ≤ α // 該極大節點的值<=β<=α，該極小節點後面的搜尋到的值肯定會小於α，因此不會被其上層的極大節點所選用了。對於根節點，α為負無窮
break
(* alpha cut-off *)
return β 
(* initial call *)
alphabeta(origin, depth, -infinity, +infinity, maxplayer)

memset各型別的極大極小值

include int main 較 的原則 加法不爆。極大值 0x7f 較大值 0x3f 較小值 0xc0 極小值 0x80 較 的原則 加法不爆。極大值 0x7f 較大值 0x3f 較小值 0xc0 極小值 0x80 較 的原則 保證一定位精度。7f以上一直到be都是 0 實際上是乙個很小的 1...

對人工智慧的認識

對人工智慧的認識 人工智慧是電腦科學的乙個研究分支，不過，這個分支下面又包含很多的研究方向，這個分支提出的時間很早，中間也熱鬧過幾次，自從2012年以來又熱鬧了，所以看了一點綜述文章對此進行簡單的記錄。2 人工智慧包括六個方面 一 計算機視覺 算上模式識別 影象處理等問題 二 自然語言理解與交流 包...

對人工智慧的了解

20世紀50年代以來，計算機科學家們致力於研發與人類智慧型類似的程式。當這些程式被開發到一定水平後，它們就可以在一些特定的應用場景中替代人類。它們被稱為人工智慧 ai 和認知計算。對於人工智慧，我的了解並不是很多，知識面很有限，盡量總結一些。1 涵蓋領域 涵蓋了電腦科學 心理學 哲學 神經科學 社會...