性能缓慢ai objective-c iOS

时间:2012-12-05 15:46:30

标签: objective-c ios performance artificial-intelligence

我已经让我的大脑因为井字游戏类型而被打破了。 问题是高水平的ai表现缓慢(即使是低水平也没那么快)。

AI使用递归方法从可用移动的数量中找到最佳移动。

以下是一些代码:

@impelementation AIClass

- (NSMutableArray *)findLegalMoves
{
   // Here is code that finds available legal moves
   // Loop over board array
}

- (float)scoreOpponentsTurn:(float)min max:(float)max depth:(int)depth
{
   moveType t; // moveType is struct defined in .h file 
               // typedef struct { int x, y; } moveType
   NSMutableArray *moves = [self findLegalMoves];
   for ( NSValue *val in moves ) {
      [val getValue:&it]
      float score = [self scoreMove:it min:min max:max depth:depth];
      if ( score > min ) {
         min = score; 
      }
      if ( score > max ) { 
         min = 1000000000;
      }
   }
   return min;
}

- (float)scoreMove:(moveType)m min:(float)min max:(float)max depth:(int)depth
{
   NSMutableArray *changes = [[NSMutableArray alloc] init];
   NSMutableArray *undo = [[NSMutableArray alloc] init];
   float score;
   [self.board evaluateChangesOnCol:m.x Row:m.y];
   if ( [self.board checkForWin:&changes undo:&undo] ) {
       score = 1000000000 + [self calcH]; //calcH - evals heuristic like sum of params
   } else if ( depth > 0 ) { 
       score = - [self scoreOpponentsTurn:-1000000000 max:-min depth:depth - 1];
   } else {
       score = [self calcH]; 
   }
   [self.board applyChanges:undo];
}

- (moveType)findBestMove
{
   NSMutableArray *legalMoves = [self findLegalMoves];
   NSMutableArray *bestMoves = [[NSMutableArray alloc] init];
   int min = -1000000000;
   int max = 1000000000;
   moveType move;
   for ( NSValue *moveIt in legalMoves ) {
      [moveIt getValue:&move];
      float score = [self scoreMove:move min:min max:max depth:depth];
      // Here i have some conditions to decide current move is best or not
   }
   // and pick random move from best moves and assign it to move variable
   return move;
}    

@end

如果合法移动的数量如3和更多(通过递归搜索它增长)这个算法 工作很慢。

这是我的第一个客观经验。 以下是我对如何提高绩效的猜测:

  1. 删除递归(但我没有看到其他解决方案)
  2. 使用多线程(如何?)
  3. 可以使用一些ai库吗?
  4. 抱歉我的英文。

2 个答案:

答案 0 :(得分:3)

在一个自然适合递归的算法中丢弃递归并不是一个好主意。相反,您需要memoize递归解决方案。这种常见技巧可以加速递归解决方案,并且具有数量级的常见子问题。

考虑这两个动作序列:

x:(1,1) o:(2,1) x:(1,0) o:(2,0)

x:(1,0) o:(2,0) x:(1,1) o:(2,1)

序列不同,但它们达到了相同的最终状态:

|   | x | o
------------
|   | x | o

这是缓慢的根本原因:当你的程序第二次到达重复状态时,它会像第一次看到它一样评估位置。这是浪费的:相同的三次前瞻位置将被评估四次;如果有四次前瞻,它们将被评估八次,依此类推。这会导致慢度与2^N成比例,其中N是您前瞻的深度。

修复此问题需要添加查找表。鉴于游戏的状态,如果之前计算过此分数,此表将为您或对手提供分数。您的递归函数将构建一个位置键,并在分数表中尝试查找。如果答案在那里,它将立即返回。否则,您的函数将构造答案,并将其存储在位置键。下次通过不同的一系列动作发生相同的位置时,答案将被重复使用。

答案 1 :(得分:1)

您可能想尝试Alpha-beta pruning。您的游戏可能具有较高的分支因子,在这种情况下,您可能希望避免搜索不会影响结果的区域。

您还可以将搜索范围限制在一定深度。选择一个可以检索合格动作的深度,但不会花太长时间。