如何使用min max算法设计一种有效的十六进制算法算法，因为它的分支因子太高了。 正常的tic tac toe游戏可以使用简单的最小最大算法进行，但在这种情况下，对于11 * 11棋盘游戏，我们有121种组合，所以对于这个如何减少组合的数量是什么方法最小化这么多组合
答案 0 :(得分：0)
游戏的动作树只能完全探索像tic-tac-toe这样的简单东西。其他游戏，如国际象棋，将会过于深入，并且每次运动都有太多选项（大分支因子）。
在你的问题的一般层面上，有一些措施来对抗这种限制。
最重要的是，您需要一种启发式方法来为中间游戏位置分配值。这使您可以应用minimax，即使无法分析游戏结尾的所有动作。这些启发式方法可能非常简单。例如，在国际象棋中你可以给棋子一个值（棋子1，骑士3等等）并简单地加起来。考虑到电路板上的位置等等，你可能会让它变得更复杂，但这里的性能会有所妥协。这是许多人工智能系统的基础。
经典改进称为alpha-beta pruning。这是基于以有序的方式评估运动树的节点，从而可以省略已经保证比其他分支更差的分支，从而提高效率。 （例如，考虑一个分支，其中一个玩家可以强制获胜运动：在这个分支内的这种运动的替代方案并不重要，因为如果游戏以这种方式进行，该玩家将总是强制获胜运动。）
其他算法改变了我们探索运动树的方式。 Monte-Carlo tree search就是一个例子。这里的核心思想是评估节点并以协调的方式探索树（与之前相反，我们首先尽可能深地探索树，然后我们评估叶子）。在这里，我们有一个探索 - 剥削均衡（你必须决定你是否想要开发更有前途的头寸，或者你是否愿意探索新的，可能令人失望的动作）。