Minimax 与 Alpha-beta 剪枝，得到结果

Question

我已经遵循了维基百科文章上的 pseducode，我想我已经成功了。然而，它会返回分数，当我想知道我想要采取什么行动时，这并没有多大帮助。

我尝试了我认为是获得最佳走法的方法，但我认为它不起作用，因为当我实际尝试与它对战（国际象棋）时，AI 会做出一些深度为 3 的迟缓走法。

这是我的功能：

public static function alphaBeta(node, depth, alph, beta, team, tellTheMove:Boolean = false):* {
        var pointer:ChessMove;
        if (depth == 0) {
            return scoreOf(node);
        }
        var childrenOf:Vector.<ChessMove >  = returnPossibleMoves(node,team);
        if (childrenOf.length == 0) {
            return scoreOf(node);
        }
        if (team == 0) {
            for (var i in childrenOf) {
                var that:Number = alphaBeta(childrenOf[i],depth - 1,alph,beta,1);
                if(tellTheMove){
                }
                if (that > alph) {
                    alph = that;
                    if(tellTheMove){
                        pointer = childrenOf[i];
                    }
                }
                if (beta <= alph) {
                    break;
                }
            }
            if(tellTheMove){
                return pointer; //Returns the move that's score last exceeded alpha.
            }
            return alph;
        } else {
            for (var j in childrenOf) {
                var that2:Number = alphaBeta(childrenOf[j],depth - 1,alph,beta,0);
                if (that2 < beta) {
                    beta = that2;
                }
                if (beta <= alph) {
                    break;
                }
            }
            return beta;
        }
    }

Answer 1

对于像国际象棋这样的问题，深度 3 很小。在这个深度，大部分能力取决于您的最终评估函数。这种评估功能很难有效地预测董事会的价值。

尝试一些更简单的事情，可以在较低的深度下有效地解决。 Tic-Tac-Toe 是一款非常适合初次尝试最小最大游戏的游戏。因为最终的结果是众所周知的。如果你的算法正确，你根本就无法击败它。如果你玩井字棋并且算法输了，你就知道你犯了一个错误。

另请注意，在某些情况下，最小-最大发挥最佳效果，但对于人类对手来说仍然显得迟钝。例如，如果没有获胜的机会，最小-最大将开始随机玩并做出非常愚蠢的动作。情况确实如此，因为 Min-Max 期望对手也能发挥完美，而人类通常不会出现这种情况。可以对算法进行一些简单的更改来改变这种行为，并在这种情况下让最小-最大播放“不那么迟缓”。