Go的游戏算法？

Question

播放game of Go的算法的最新技术是什么？ 最好阅读哪些文章（描述算法）？

有一个StackExachge site致力于Go，但没有足够的人承诺在那里提出问题。

Answer 1

所有当前的机器人都使用基于蒙特卡罗的算法。它们通常非常适合Go，并且有许多额外的层来支持MC算法来预测每次移动的结果。您可以查看一个开源机器人，例如Fuego。

Answer 2

This是最基本的资源开始，但它非常完整我敢说

Answer 3

Amirim项目尝试使用结合ab-pruning和分区搜索方法的minimax方法来实现Go AI的工作。他们似乎取得了一些成功，但我不记得他们通过与人类对手对抗来证明他们的AI。

我建议您查找partition search。

不幸的是，我对Amirim项目的链接已经死了（here）。

Answer 4

我通过使用alpha-beta修剪在Prolog中实现了类似的东西。这种方法可以轻松地用于 Go ，因为它是一个完美的信息游戏，其中

• 每一个可能的举动都是已知的
• 游戏的状态完全为人所知

你可以从Minimax trees开始，然后深入挖掘AB-pruning，negmax等聪明的方法。

很酷的是，您可以首先开发最佳动作的引擎，然后尝试找到最好的启发式（也可以通过让你的AI相互竞争，看看哪一个更聪明）决定多少好是一招。

当然，找到一个好的启发式是实现的一部分，你必须要研究游戏规则，这需要考虑各种策略..所以它是更复杂的，但也是最有趣的。