如果我为当前状态或开始状态运行minimax / expectimax，并假设根有三个子节点（偶然节点）并运行minimax / expectimax算法。假设，它找到最佳终端节点，然后获得根的最佳子节点。这意味着它将选择导致具有最佳效用的终端状态的特定移动。我们称之为从根到终端状态的路径，即路径P.
我们假设相反的玩家也按照expectimax / minimax树的预测进行移动并且该移动在路径P中，那么我们应该在新状态下再次运行expectimax / minimax算法，或者我们可以看到路径P ，并猜测下一步从该路径P中的下一个节点开始。
我的逻辑是正确的还是我错过了两个玩家的expectimax / minimax算法。
此外，一些链接到实际如何实现的示例将是很好的。
答案 0 :(得分：0)
不，你没有遗漏任何东西。 minimax算法的问题是游戏树的大小。通常在实现minimax算法时，可以选择限制树深度以避免大量计算。如果您选择限制树深度，则在下一步中，您不应始终移动到路径P中的下一个节点，而是再次计算树，并且路径可能会因添加的深度而发生变化。 这是我编写的项目中minimax实现的链接。 minimax implementation （请注意，此实现还包括用于更快计算的alpha-beta修剪）。
如果您选择不限制状态树的深度，则再次计算它没有意义，在这种情况下，您将继续在路径P中。