Question

我有把问题写到游戏中的问题（比如tron lightcycles）。我使用ncurses在C上编写所有图形和动作。现在我需要在prolog上写下bot的ai。我正在使用swi prolog。

我保存当前游戏区域（所有矩阵），当前人体位置和当前机器人位置（如矩阵单元格i，j）。它们像c。

一样保存在.pl文件中的谓词

我的游戏区域是一个包含1和0的矩阵（1 - 访问，0 - 未访问）。像这样：

human_current_position(0,1).
bot_current_position(1,2).
matrix([[1,1,0,0],
[1,1,1,0],
[0,0,0,0],
[0,0,0,0]]).

然后我需要分析这个矩阵，如：

analyze(matrix).

因此prolog中的analyze函数会将某个方向（向左，向下，向上或向右）保存到文件中我的程序读取此文件并移动机器人。

所以我有一个问题 - 如何在Prolog中分析这个矩阵。我读了一些关于min-max算法的内容，但我在Prolog中无法实现这一点。任何人都可以帮助或显示如何使工作min max算法的方向我的矩阵和Prolog中的当前位置？

Answer 1

我不确定min-max是否会导致tron的良好结果。因为在网格上有一个通常很多可交换的动作，炸毁了搜索空间。也许是一个小的字段和/或小搜索深度。但你可以尝试使用否定作为失败对于min-max，你可以免费获得alfa-beta修剪（我猜是这样）。

在没有不确定性的游戏中，最小 - 最大算法计算最小的对手增益，假设另一方面对手试图最大化他的增益。让我超越对手的移动范围和对手的移动。这导致递归公式如下：

Worst-Opponents-Gain = min_i (max_j ( Worst-Opponents-Gain_i_j) )

由于我们处理零和游戏，对手获得的是我们的胜利。这样我们就有了Opponents-Gain = - Win。我们可以将最小 - 最大搜索重新制定为最大搜索。每个玩家都是最大化者。

Best-Win = max_i ( - Best-Win_i).

当你的胜利值在{-1,0,1}范围内时，你可以使用否定作为失败。刚刚实施以下谓词来模拟你的游戏：

% move(+Board,+Player,-Board)  
% init(+Board)  
% win(+Board,+Player)  
% oposite(+Player,-Player)  
% tie(+Board,+Player)

上述谓词将在参数中完全模拟游戏，因此游戏状态将存储在局部变量中。然后通过以下谓词“分析”游戏：

% best(+Board,+Player,-Board)  
best(X,P,Y) :-  
  move(X,P,Y),  
  (win(Y,P) -> true;  
    oposite(P,Q),  
    \+ tie(Y,Q),  
    \+ best(Y,Q,_)).

您可能希望添加其他参数以限制搜索深度或返回对此举的象征性重复。

再见

P.S。：你找到了一个井井有条的例子here。