改进井字游戏中的评估功能 - alpha-beta算法

时间:2017-03-20 22:24:40

标签: c# algorithm tic-tac-toe minimax alpha-beta-pruning

我正在寻找最佳评估函数,以便在minimax / alpha-beta算法中用于开发井字游戏AI。

我正在计算一行/列/对角线中的圆/十字的数量,后面有空的空间(三行一行,没有空的空间)。根据这一行中符号的数量,我将单独的分数乘以10 ^(counter-1),得到1,10或100个点。

我相信很多都可以改进,因为很少找到最佳解决方案,我在使用字母表算法中的这个功能时遇到问题

我的问题是 - 如何改进这项功能?小件代码和建议表示赞赏。

我的代码:

private int h(int[][] field, int depth, int player) //final score of the node
        {
            if (win(field, 1)) //if human won
                return -1000; //very bad for MAX=computer
            if (win(field, 0)) //if computer won
                return 1000;

            int heuristics = individualScore(field, 0) - individualScore(field, 1);
            return heuristics;
        }

private int individualScore(int[][] field, int player)
        {

            int sum = 0;
            int otherPlayer = -1;
            if (player == 0) //if computer is the current player
                otherPlayer = 1; //other player is human
            else
                otherPlayer = 0;//Vice versa
            for (int i = 0; i < 3; i++) // rows
            {
                int counter = 0;
                bool rowAvailable = true;
                for (int l = 0; l < 3; l++)
                {
                    if (field[i][l] == player)
                        counter++;
                    if (field[i][l] == otherPlayer)
                    {
                        rowAvailable = false;
                        break;
                    }
                }
                if (rowAvailable && counter > 0)
                    sum += (int)Math.Pow(10, counter - 1);
            }

            for (int i = 0; i < 3; i++) // columns
            {
                int counter = 0;
                bool columnAvailable = true;
                for (int k = 0; k < 3; k++)
                {
                    if (field[k][i] == player)
                        counter++;
                    if (field[k][i] == otherPlayer)
                    {
                        columnAvailable = false;
                        break;
                    }
                }
                if (columnAvailable && counter > 0)
                    sum += (int)Math.Pow(10, counter - 1);
            }
            int counterD = 0;
            bool diagonalAvailable = true;
            for (int i = 0; i < 3; i++) //diagonals
            {
                if (field[i][i] == player)
                    counterD++;
                if (field[i][i] == otherPlayer)
                {
                    diagonalAvailable = false;
                    break;
                }
            }
            if (diagonalAvailable && counterD > 0)
                sum += (int)Math.Pow(10, counterD - 1);
            counterD = 0;
            diagonalAvailable = true;
            int j = 0;
            for (int i = 2; i >= 0; i--)
            {
                if (field[i][j] == player)
                    counterD++;
                if (field[i][j] == otherPlayer)
                {
                    diagonalAvailable = false;
                    break;
                }
            }
            if (diagonalAvailable && counterD > 0)
                sum += (int)Math.Pow(10, counterD - 1);

            return sum;
        }

1 个答案:

答案 0 :(得分:-1)

你可以让你的AI向前看一个甚至两个步骤,这样你就可以看到在AI迈出这一步之后用户(以及AI再次)有什么机会(并再次评估这个机会)。 此外,你可以添加一些东西,以便AI试图欺骗用户进入情境,他无法摆脱。这是可能的,因为在Tic-Tac-Toe中没有那么多的可能性。

如果你真的很酷,你可以建立一个神经网络,从你玩的一些游戏中学习,但这是一个完全不同的故事。