创建一个非完美的游戏算法

Question

我知道如何使用像minimax这样的算法来玩完美的游戏（在这种情况下，我正在寻找类似于Tic-Tac-Toe的游戏）

然而，我想知道如何创造一个非完美的算法，或者在不同的“技能水平”（简单，中等，硬等）的AI，人类玩家实际上有机会击败

Answer 1

在不同深度处切断搜索以限制计算机的技能。更改评估功能，使计算机支持不同的策略。

非专业人类玩家采用次优策略和有限策略。这些大致相当于对游戏状态的评价不佳以及思考能力有限。

关于随机性，需要一点点，所以计算机并不总是犯同样的错误，有时可能会比平常更好或更差。为此，不要总是选择最佳路径，而是选择其中的分数加权。通过改进其评估功能，即根据游戏结果更新其权重，您可以使AI更有趣。通过这种方式，它可以通过游戏在有限的搜索深度学习更好的评估功能，就像人类一样。

Answer 2

我在游戏中使用的一种方法是利用随机值。对于简单的游戏关卡，我会选择一个有利于人类玩家的随机数。例如：

Easy level: only beat the human if you can randomly select a value less than 10 from the range of 1 to 100

Medium level: beat the human if you can select a random value which is less than 50 from a range of 1 to 100

Hard level: beat the human if you can randomly select a value less than 90 from a range of 1 to 100

我相信有更好的方法，但这可能会给你一个想法

Answer 3

“最简单”的方法是使用阈值和minmax结果，从那些超过阈值的结果创建一个集合，然后随机选择程序的选择/路径。门槛越低，可能更容易对手。

我说可能是因为即使是纯粹的愚蠢运气也可以选择最好的举动，因此是“初学者的运气”。

基本上，您正在寻求增加可能结果的熵（随机性）。如果你想特别愚弄计算机对手，你可以限制你的minmax算法遍历的水平，或者使算法某些部分的点数贬值。

Answer 4

发动机制造人为错误并不容易。减少搜索深度是一种简单的方法，但它有其局限性。例如，减少到一层的国际象棋引擎经常进行检查，而一个有价值的棋子仍然受到攻击。当对手在反击中为支票辩护时，两件都是奖品。即使是没有经验的人也不太可能因为这个错误而堕落。

也许你可以使用一个名为Phalanx的国际象棋引擎的一些想法： http://phalanx.sourceforge.net/index.html

它是为数不多的具有复杂难度级别（-e选项）的开源引擎之一。如果我没有弄错，它会执行正常搜索，但有时会忽略非显而易见的移动。 evaluate.c包含一个名为blunder的函数，用于评估移动是否可能被人忽略。