如何模拟这种人工智能？

Question

在玩this游戏的时候，我想知道一个人工智能如何控制侦探或罪犯是否可以工作。

对于懒惰的人来说，游戏的目标很简单：

• 棋盘游戏是一个无向图，有4种边缘（对于同一对或顶点也可以重叠），每种都是一种需要特定种类票的运输
• 侦探有一堆票可以在这个图上移动，每回合一次（这意味着从一个节点到另一个节点）。犯罪分子可以做同样的动作（加上3条独占路径），但对于勾选没有限制
• 犯罪分子通常隐藏在侦探中，但必须在5个特定的转弯中出现（然后再隐藏）
• 如果侦探能够抓住他（其中一人必须占据犯罪分子的同一个牢房），那么他们会在24次行动中获胜，否则犯罪分子会胜诉
• 犯罪分子必须显示他每回合使用哪张票，但他每名侦探也有1张黑票（让我们假设为5张）可以用来消灭这件事
• 犯罪分子还有两张2x票，允许他在同一回合使用两张票（等两个动作）

我可以有效地思考犯罪分子的AI，它只是一个minmax树，试图选择最大化侦探到达他所需的移动次数的移动（这似乎是一个很好的指标）但我不能为侦探认真思考一些应该合作的人，并试着通过查看它所使用的门票来猜测犯罪分子的位置。

这只是为了好玩，但你现在有什么很酷的想法可以找出一些非常聪明的东西吗？

Answer 1

我喜欢这个游戏，我认为对于侦探来说，你想要模仿犯罪分子在每个地点的可能性。每隔一段时间你就会知道犯罪分子的确切位置，然后你可以考虑他做出的以下动作来确定他可能在哪些位置。

一旦你有这个，我不太确定如何优化侦探动作。你可以移动侦探来减少可能性，有效地保护罪犯。但是我确信门票周围还需要一些更高级别的策略，而不会耗尽它们。

Answer 2

你已经问过如何对此进行建模，而不是如何有效地解决这个问题：

可以很容易地将其建模为部分可观察的马尔可夫决策过程（wiki link）。这适用于侦探和罪犯。 POMDP是一种非常通用的模型。

Answer 3

我认为某种蒙特卡罗实施方式对此非常有用，即。模拟数千种组合并选择以大多数时间以最佳结果结束的组合。由于犯罪分子必须在5个回合中可见，所以分支因子应该保持在控制之下，尽管MC在高分支因子的游戏中也被证明是一种非常好的技术，即。去。

Answer 4

为了在侦探之间进行团队合作，你需要将他们塑造成一个团队而不是个人。 Minimax仍然是一个很好的方法，但（遗憾的是）你的分支因素将会飙升。

而不是踩过所有侦探，为你的侦探团队制作看起来最好的侦探，你可以计算出他们可以做出的每一个动作的排列。如果团队合作在这个游戏中有所帮助，那么极小极大将有利于侦探一起工作的排列。

我不确定它是否实用，24位24位侦探可能工作量太大但是尝试这很有趣并且这是正确的？