让计算机永远不会丢失在Tic-Tac-Toe

Question

我正在研究一个简单的Tic Tac Toe代码游戏。我已经完成了大部分代码，但我希望AI永远不会丢失。

我已经阅读过minimax算法，但我不明白。如何使用此算法使计算机能够赢或赢但永不丢失？

Answer 1

解决这类问题的方法是探索可能的未来。通常（对于国际象棋或选秀AI）你会考虑未来一定数量的前进，但因为tic tac toe游戏太短，你可以探索到游戏结束。

概念实施

所以你创建了一个分支结构：

• AI想象自己做出一切合法的举动
• AI他们想象用户在每次合法行动后都可以做出每一次合法行动
• 然后AI想象下一个合法的举动
• 等

然后，从最分支的一端（最远的时间）开始，轮到它的玩家（AI或用户）在每个分支点选择哪个未来最好（赢，输或抽）。然后它交给树上方的玩家（离现在更近）;每次选择最好的未来为想象转向的玩家，直到最后你在第一个分支点，AI可以看到期货，它会失去，吸引和获胜。它选择一个胜利的未来（或者如果不可用的话）。

实际实施

请注意，从概念上讲，这就是正在发生的事情，但创建整个树并不是必需的，然后像这样判断它。你可以轻松地工作，虽然树到达最远的时间点，然后选择。

这里，这种方法与递归函数很好地配合。该函数的每个级别都会轮询其所有分支;将可能的未来传递给他们并返回-1,0，+ 1;在每个点选择当前玩家的最高分 。最高级别选择移动而不是实际知道每个未来如何发展，以及他们的表现如何。

伪代码

我假设在这个伪代码中，+1是AI获胜，0是绘图，-1是用户丢失

determineNextMove(currentStateOfBoard)
    currentBestMove= null
    currentBestScore= - veryLargeNumber

    for each legalMove
        score=getFutureScoreOfMove(stateOfBoardAfterLegalMove , AI’sMove)
        if score>currentBestScore
            currentBestMove=legalMove
            currentBestScore=score
        end
    end

    make currentBestMove

end

getFutureScoreOfMove(stateOfBoard, playersTurn)

    if no LegalMoves
       return 1 if AI wins, 0 if draw, -1 if user wins
    end


    if playersTurn=AI’sTurn
        currentBestScore= - veryLargeNumber //this is the worst case for AI
    else
        currentBestScore= + veryLargeNumber //this is the worst case for Player
    end

    for each legalMove
        score=getFutureScoreOfMove(stateOfBoardAfterLegalMove , INVERT playersTurn)
        if playersTurn ==AI’sTurn AND score>currentBestScore //AI wants positive score
           currentBestScore=score
        end
        if playersTurn ==Users’sTurn AND score<currentBestScore //user wants negative score
           currentBestScore=score
        end

     end

     return currentBestScore
end

这个伪代码并不关心起始板是什么（你用当前的主板每次AI移动都称这个功能）并且没有返回未来将采取的路径（我们不能这样做）知道用户是否会以最佳状态播放，因此这些信息毫无用处），但它总会选择朝着人工智能的最佳未来前进的方式。

对更大问题的考虑

在这种情况下，你探索到游戏的结尾，很明显哪个最好的未来是（赢，输或抽），但如果你只是去（例如）五个进入未来，你必须找到一些方法来确定;在国际象棋或选秀中，得分是最简单的方法，其中棋子位置是一种有用的增强。

Answer 2

大约5年前我一直在做这样的事情。我做了研究。在tic tac toe中，它不需要很长时间，你只需要准备前两三步的模式。

您需要检查游戏方式：

1. 首先启动计算机。
2. 玩家首先开始。

有9个不同的起始位置：



但实际上只有3个是不同的（其他的是旋转的）。 所以在那之后你会看到在一些特定动作之后应该做什么，我认为在这种情况下你不需要任何算法，因为tic tac toe结束是通过第一次动作来确定的。因此，在这种情况下，您需要一些if-else或switch语句和random生成器。

Answer 3

制作一个辅助程序来预测用户可以获胜的案例。然后你可以说你的ai做了用户必须做的事情才能获胜。

Answer 4

tic tac toe属于一组游戏，如果你知道怎么玩就不会丢失，所以对于这样的游戏你不需要使用树和修改的排序算法。要编写这样的算法，您只需要几个函数：

1. CanIWin()检查计算机是否连续2个并且可能获胜。
2. ShouldIBlock()检查玩家是否连续2并且需要阻止它。

必须按此顺序调用这两个函数，如果它返回true，您需要赢或不让玩家获胜。

之后你需要为移动做其他计算。

一种独有的情况是计算机启动游戏。您需要选择属于最大不同方向的单元格（其中有8个 - 3个水平，垂直和2个对角线）。在这样的算法中，计算机将始终选择中心，因为它有4个方向，你应该添加小的可能性来选择第二个最佳选项，使游戏更具吸引力。

因此，当您遇到某些选定部分的电路板和计算机必须移动的情况时，您需要对每个空闲单元进行评级。 （如果返回第一个或第二个函数true，您必须在到达此地点之前采取行动!!! ）。因此，要对单元格进行评分，您需要计算每个单元格上剩余的打开方向，还需要阻止至少一个对手方向。

之后，您将有几个可能的单元格来标记。因此，您需要检查必要的移动顺序，因为您将有一些选项，可能是其中一个导致您失去。所以在那之后你将设置并且你可以随机选择移动，或选择得分最高的那个。

我必须说类似的事情，就像在帖子开头所说的那样。更大的游戏没有完美的策略，让我们说国际象棋很多都是基于模式，而且也是前瞻性思维策略（对于这样的事情是使用patricia trie）。总而言之，你不需要困难的算法，只需要几个函数来计算你获得的收益以及对手的移动损失。