棋类游戏AI的启发式函数

Question

我正试图为棋盘游戏找出一个更好的启发式函数，我将在代码之后指定它的规则。我的评价职能是：

def evaluate(self, board):
        score = 0
        for i in range(board.LENGTH):
            for j in range(board.WIDTH):
                if board.board[i][j].token == "G":
                    score += 100 * (i+1) + 50 * (j + 1)
                if board.board[i][j].token == "R":
                    score -= 100 * (i+1) + 50 * (j + 1)
return score

​

​

如图所示，初始板上有绿色和红色的标记。AI先移动，与你的颜色相对，攻击你的代币。在黑色细胞上，标记可以正交移动(左、右、上、下)或对角移动。如果它在白细胞上，你只能正交移动。

当你把你的标记移到对手的标记旁边时，你就会在这个方向上移除所有对手的标记。例如，如果我将绿色令牌从C4移动到C5，我将杀死C-6到C-9上的所有R令牌。这就是所谓的向前攻击。类似地，如果您有一个令牌与对手的令牌相邻，您可以离开它，移除该行中的所有令牌。

显然，黑色细胞上的标记有更多的可能移动。

对于人工智能来说，什么才是好的启发函数？我应该改变我目前的职能吗？

Answer 1

你所拥有的功能确实很差:它重视右下角和作品数量。在D8，一件作品胜过中心的三件。

我建议你在人工智能中使用当前的技术:而不是让我们为你做你的研究，开发一个程序来探索这个空间。开发一个广泛的评估功能，并进行遗传搜索，以优化该功能的参数。

例如，迭代所有的片段，但是没有使用行数，而是使用了

• 占领黑色广场
• 邻近敌国
• 邻接友好件
• 在边缘/拐角处或附近
• 可用移动

现在，将您的评估函数作为这些功能的线性组合。挑选，比如说，100组参数。在一场循环赛中，互相对决。

保持前20名决赛。通过变异和交叉生成另外80组参数。重复巡回演出。

继续这些重复，直到程序强度会聚，或至少达到满足你的游戏水平。