您好 我在哪里可以找到有关如何为此游戏实施AI的一些信息。 从来没有做过任何类型的人工智能。
寻找最佳和简单方法的建议 感谢
答案 0 :(得分：10)
正如在几乎所有的棋盘游戏中一样，你必须（a）评估一个位置有多好，以及（b）寻找能够带来对你有利的位置的动作。
奥赛罗与国际象棋等其他比赛略有不同，因为（a）有点困难。你不能轻易分辨哪些位置是好的，因为表格可以很快转变。但是，如果你刚刚开始，一个好的启发式是
对于（b），您可以使用标准游戏树搜索算法，例如Minimax或Alpha-Beta Pruning。有许多不同的可供选择。
编写Logistello的迈克尔·伯罗（Michael Buro）撰写了几篇关于这一主题的精彩文章，后者是（前身为？）最强大的othello演奏节目之一。为了说明一个位置有多好，他将板上的模式（每个等级，每个文件，所有对角线形成模式）与之前由程序学习的数据库中的模式进行比较。为了搜索理想的结果，他使用了一种名为Multi-Prob Cut的搜索算法。可能有用的链接：
答案 1 :(得分：2)
Russel / Norvig＆＃34;人工智能 - 现代方法＆＃34;是了解博弈论，ai，启发式和相关内容的良好起点。看看这里：http://aima.cs.berkeley.edu/
答案 2 :(得分：2)
嗯，实际上，奥赛罗是一个游戏的例子，其中Minmax / Negamax不能很好地运作，因为你需要启发式来评估奥赛罗很难的中间游戏状态。看看蒙特卡罗树搜索（MCTS）。这应该很好。实际上，我实现了一个非常简单的机制，受到MCTS的启发，它击败了我迄今为止测试的所有在线AI（当AI在很短的时间内移动：2秒）。 该机制的工作原理如下： （a）获得当前玩家的所有可能动作 （b）随意选择其中一个 （c）以完全随机（有效）的动作交替玩游戏直到游戏结束。 （d）重视游戏结果 （e）将此值添加到步骤（b）中选择的移动的总核心 （f）将步骤（b）所选择的访问次数加1 （g）如果还剩下时间，跳到（b）（我给了算法2秒） （h）以最高平均分数（总分数/访问次数）进行移动
一些优化是非常明显的，比如立即移动，如果只有一个有效或限制随机模拟的数量以及时间限制（如每次有效移动约2000）。
同样，这不是MCTS，而只是MCTS的最后一部分，但效果很好。
问候， rattlehead
答案 3 :(得分：1)
negamax或minimax算法很简单，应该可以正常工作。
为了获得更高的游戏性，你需要添加一些启发式游戏，但是简单的两个移动negamax实现起来很快并且很快。
答案 4 :(得分：0)
Logistello的源代码可用here，这是十年前镇上最好的游戏。