Question

我对算法很新，我试图理解极小极大，我读了很多文章，但我仍然无法在python中实现它如何实现它的tic-tac-toe游戏。您可以尝试使用一些伪代码或一些python代码尽可能简单地向我解释吗？

我只需要了解它是如何工作的。我读了很多关于这个的东西，我理解基本的，但我仍然无法得到如何回归。

如果可以，请不要链接我的教程和样本（http://en.literateprograms.org/Tic_Tac_Toe_(Python）），我知道它们很好，但我只需要一个白痴的解释。

谢谢你的时间：）

Answer 1

“极小极大”的想法是，在一个双人游戏中，一个玩家试图最大化某种形式的分数，另一个玩家试图最小化它。例如，在Tic-Tac-Toe中，X的胜利可能被评为+1，而O的胜利被评为-1。 X将是最大的玩家，试图最大化最终得分而O将是最小玩家，试图最小化最终得分。

X被称为最大玩家，因为当X移动时，X需要选择一个移动，以便在移动后最大化结果。当O队员，O需要选择一个移动，在移动后最小化结果。递归地应用这些规则，例如，如果只有三个棋盘位置可以打，那么X的最佳游戏就是迫使O选择价值尽可能高的最小值移动。

换句话说，板位置B的游戏理论最小极大值V被定义为

 V(B) = 1   if X has won in this position
 V(B) = -1  if O has won in this position
 V(B) = 0   if neither player has won and no more moves are possible (draw)

，否则

 V(B) = max(V(B1), ..., V(Bn)) where board positions B1..Bn are
        the positions available for X, and it is X's move
 V(B) = min(V(B1), ..., V(Bn)) where board positions B1..Bn are
        the positions available for O, and it is O's move

X的最佳策略总是从B移动到Bi，使得V（Bi）最大，即对应于游戏理论值V（B），并且对于O，类似地，选择最小后继位置。 / p>

然而，通常不可能在像国际象棋这样的游戏中计算，因为为了计算游戏理论值，需要计算整个游戏树直到最终位置并且该树通常非常大。因此，一种标准的方法是投入一个“评估函数”，它将棋盘位置映射到有希望与游戏理论值相关的分数。例如。在国际象棋程序中，评估函数倾向于给出物质优势，开放列等的正分数。最小极大算法它们最小化评估函数得分而不是板位置的实际（不可计算）游戏理论值。

对minimax的重要标准优化是“alpha-beta修剪”。它提供与minimax搜索相同的结果，但速度更快。 Minimax也可以用“negamax”表示，其中得分的符号在每个搜索级别都反转。它只是实现minimax的另一种方式，但是以统一的方式处理玩家。其他游戏树搜索方法包括迭代深化，校对数搜索等。

Answer 2

Minimax是一种在交替转弯的双人游戏中探索潜在动作空间的方法。你正试图赢，而你的对手正试图阻止你获胜。

一个关键的直觉是，如果它现在轮到你了，一个保证你获胜的双向序列是没用的，因为你的对手不会与你配合。你试图做出最大化你获胜机会的动作，你的对手会做出最小化你获胜机会的动作。

出于这个原因，从你制作的那些对你不利的动作中探索分支并不是非常有用，或者让你的对手移动对你有好处。

Minimax解释“为傻瓜”

2 个答案: