Prolog语言中的Tron lightcycles

Question

我在把AI写到游戏上有问题(像tron lightcycles)。我使用ncurses在C上编写所有的图形和动作。现在我需要在prolog上编写机器人的人工智能。我正在使用swi prolog。

我保存当前游戏区域(所有矩阵)、当前人类位置和当前机器人位置(如矩阵单元i，j)。它们像谓词一样保存在c中的.pl文件中。

我的游戏字段是一个矩阵，它包含1和0( 1-已访问，0-未访问)。如下所示：

human_current_position(0,1).
bot_current_position(1,2).
matrix([[1,1,0,0],
[1,1,1,0],
[0,0,0,0],
[0,0,0,0]]).

然后我需要像这样分析这个矩阵：

analyze(matrix).

因此，prolog中的分析函数将返回一些方向(向左、向下、向上或向右)保存到文件中，并且我的c程序读取该文件并移动机器人。

所以我有一个问题--我如何用Prolog分析这个矩阵。我读过一些关于min-max算法的文章，但我不能用Prolog实现。有没有人可以帮助或说明如何用我的矩阵和Prolog中的当前位置来做功最小最大算法？

Answer 1

我不确定min-max是否会给tron带来好的结果。因为在网格上，一个人通常有许多可交换的移动，这会破坏搜索空间。也许对于较小的范围和/或较小的搜索深度。但是你可以尝试使用否定作为min-max的失败，并且你可以免费获得alfa-beta修剪(我想是这样)。

在没有不确定性的游戏中，最小-最大算法计算对手的最小收益，另一方面，假设对手试图最大化他的收益。让i覆盖玩家的移动，j覆盖对手的移动。这导致了如下的递归公式：

Worst-Opponents-Gain = min_i (max_j ( Worst-Opponents-Gain_i_j) )

因为我们处理的是零和游戏，所以对手获得的就是我们的胜利。这样我们就有了对手--获得=--胜利。我们可以将最小-最大搜索重新定义为最大搜索。每个玩家都是一个最大化者。

Best-Win = max_i ( - Best-Win_i).

当您的win值在{-1，0，1}范围内时，您可以使用否定作为失败。只需实现以下谓词即可对游戏进行建模：

% move(+Board,+Player,-Board)  
% init(+Board)  
% win(+Board,+Player)  
% oposite(+Player,-Player)  
% tie(+Board,+Player)

上面的谓词将在参数中完全模拟游戏，因此游戏状态将存储在局部变量中。然后通过以下谓词对游戏进行“分析”：

% best(+Board,+Player,-Board)  
best(X,P,Y) :-  
  move(X,P,Y),  
  (win(Y,P) -> true;  
    oposite(P,Q),  
    \+ tie(Y,Q),  
    \+ best(Y,Q,_)).

您可能希望添加其他参数来限制搜索深度，或者返回移动的符号表示。

再见

附言:你找到了一个井字游戏的例子here。