我实际上正在开发一款棋盘游戏，它是TIC-TAC-TOE游戏的变体。游戏的具体内容如下：
1。该游戏在n x n主板上播放，n变量。
2。如果玩家成功放置第一个k对齐，k是变量，则该玩家获胜。
3. 对齐由水平，垂直或对角线中的l标记（ X 或 O ）构成。 l已修复。
4. 如果n x n网格已满（没有玩家可以添加 X 或 O < / strong>）并且没有任何玩家成功放置k路线以便绘制游戏。
我正在使用minmax alpha-beta prunning算法。这是我的第一个人工智能程序，我不知道如何创建算法使用的评估函数。我在网上看到了一些使用材料加权来评估位置的例子，但我不能在我的情况下应用它。实际上，我正在使用一个radom评估函数，它返回-100和100之间的值。
float Conf_eval(Configuration c)
{
return (rand()%201)-100;
}
如何评估给定的电路板配置？
答案 0 :(得分：0)
在Artificial Intelligence - A Modern Approach
一书中对此进行了详尽的讨论根据书籍系列，还有优秀的implementations可用（这是java，还有python，你可以谷歌更多）。包括tic-tac-toe（和alpha-beta修剪剂）。
如果您将min-max algorithm与alpha-beta prunning一起使用，则可以使用已排序的＆＃34;操作＆＃34;列表除了你的启发式函数之外还能表现得更好（一个简单的实用程序 -function会将1分配给胜利，0分配给一个平局，-1分配给损失 - 这些都是min的叶子节点-max扩展树）。
要对您可以执行的操作进行排序，比如说，更喜欢将符号（ X ， O ）添加到明确到胜利路径的操作。这最终会导致更好的结果。