首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >对不起,如何设计人工智能?

问对不起,如何设计人工智能?
EN

Software Engineering用户
提问于 2017-06-03 02:19:34
回答 1查看 253关注 0票数 0

上下文:我正在开发一个Windows控制台版的棋盘游戏--对不起。对不起,每个玩家都有四个棋子。根据抽出的牌,玩家在棋盘周围移动他们的棋子。这些动作可以影响其他玩家的棋子,比如把另一个玩家的棋子撞回去开始。

问题:和人类玩家一样,我也想拥有电脑播放器。因此,我试图写一个简单但聪明的人工智能。当轮到它时,每个计算机播放器根据抽出的卡片和可以进行的不同的合法动作,获得当前的板状状态和一组可能的新板状态可供选择。棋盘状态是棋子对象的集合,它知道它们在棋盘上的位置。

的想法:

想法1:我的第一个人工智能想法是将每个板转换成一个数值,并选择最大的值作为最好的移动。为了产生一个值,我给了每个玩家的棋子一个值,并将值相加在一起。当典当接近家时,它的价值会增加。这种方法的问题在于它忽略了对手在游戏中的相对实力。例如,如果玩家有两个棋子,它总是会选择移动靠近家的棋子。然而,越远的人可能会撞回对手的棋子开始,这可能是一个更好的选择。

想法2:我的第二个想法是把董事会状态的增量相加。具体而言,对于每一个新的董事会状态,通过棋子位置确定其得分(a la idea #1),但对所有玩家都这样做。然后,将这些值与当前板的状态进行比较,以获得增量并对增量进行求和。这将允许我计算球员的位置的改善和任何输给对手的位置。问题是我们没有考虑我们是领先还是对手领先。对不起,我很容易打败一个对手,这可能不值得。

问:这是一个合理的方法,一个对不起的AI,可以改进,或有更好的方法来做到这一点?

EN

回答 1

Software Engineering用户

发布于 2017-06-03 04:24:40

你的开局很好。每个人工智能需要能够计算出当前董事会的“价值”。但这往往是不够的。这是因为计算好的“价值”启发可能是复杂的,而且董事会的现状往往不能让你对未来可能的发展有充分的了解。

这就是试图预测未来的算法存在的地方。在您的例子中,简单的最大最大算法 (这是经典MinMax的概率扩展)就足够了。简单地说,该算法试图计算尽可能多的可能的未来状态,并根据这些信息确定什么是最佳电流移动。

在您的情况下,随机节点可以很容易地计算出哪些牌仍然需要挑选,然后所有玩家的选项为每一张牌。考虑到搜索空间相对较小,您可能会在每个回合中搜索大量的游戏。

票数 4
EN
页面原文内容由Software Engineering提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://softwareengineering.stackexchange.com/questions/350080

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档