人工智能原理课程复习——（7）博弈搜索

博弈搜索

博弈问题形式化

博弈中的优化决策

minimax算法

minmax算法，其基本思想是，由于该决策具有先手顺序，因此先手玩家想要自己的利益最大化，而后手玩家想要让先手玩家利益最小化。因此A结点使用max，而B,C,D结点使用min

多人博弈时的最优决策

多人博弈的最优决策与上面的决策类似，我们每个结点都用一个向量来表示，每次选择每个人都会去选择让自己利益最大化的状态。

以上图为例

A会选择(3,2,6)，因为(3,2,6)＞(1,2,6)

B会选择(3,2,6)，因为(3,2,6)＞(4,1,7)

C会选择(3,2,6)，因为(3,2,6)＞(2,3,4)

α-β剪枝和行棋排序

α-β剪枝的思路来源于MiniMax算法

当访问最左边那条子树之后，返回给MAX=3

当我们接着访问中间这条子树，当访问到H=2时，此时已经可以不用再访问I和J了

因为I和J不论取什么值，都不会更改MAX的取值

我们可以利用下图分析整个搜索过程中，结点取值的范围

以这张图为例

先访问E结点，故B的最大值目前为3

再访问F结点，但F结点比E结点大，因此不会影响B的取值，B的最大值目前仍然为3

再访问G结点，与上同理，B的最大值目前仍然为3

左边子树访问结束，因此B的取值就是3

将B的取值传回A中，因此A的最小值为3

访问中间子树

访问H结点，取值为2，因此C的最大值为2

此时无需访问J和K结点，因为J和K的取值为A无影响

将C的值传回A，由于A最小值为3，因此C的值对A不发生改变

访问右边子树

访问L结点，取值为14，因此D的最大值为14

访问M结点，取值为5，因此D的最大值改为5

访问N结点，取值为2，因此D的最大值改为2

将D的值传回A，由于A最小值为3，因此D的值对A不发生改变

可以这么理解，此时A结点的范围是[3,+∞]，因此对于A而言，它想要在下面找到比三大的数，由于你此时返回给C的是个比3小的数，因此不符合要求，那么该子树其他节点也不需要看了

对于D结点而言，首先返回的是14 ，是个比3大的数，因此说明有希望，继续往下搜索

又找到了5，也是个比3大的数，因此说明有希望，继续再往下搜搜

找到了2，是个比3小的数，那么这颗子树所有的搜索过程都白费了，因为出现了一个我们不想要的数

通过上述过程，我们可以发现，每个子树结点的先后顺序也很重要

在上述过程中，我们在搜索右边子树的过程中，如果一开始就发现了2这个值，我们压根就不需要继续搜索两个分支。

总结：

对于min节点的子节点：由小到大排序有助于剪枝

对于max节点的子节点：由大到小排序有助于剪枝

不完美的实时决策

完美决策：不考虑决策的时间和空间

不完美决策：考虑决策的时间和空间，由于状态空间巨大，因此有限时间内只能考虑很小的一部分

因此，我们需要在给定的有限时间内做决策，需要尽早截断搜索，不一定要等到终止状态才能评估和回传结果。

由于效用函数是必须要到叶节点才能使用，因此我们需要使用启发式评估函数EVAL来取代效用函数Utility，而用截断测试来取代终止测试。

以井字棋为例进行说明

我们以开放给X的位置和开放给O的位置的差作为EVAL的值

以绿色作为MAX，黄色作为MIN。

此时限制深度为2，因此可以由MINIMAX算法得出，MAX的值为1，即右边子树作为移动方向

但对于MIN而言，他不一定会选择执行1，而有可能执行2。

因为对于MIN而言，它也需要搜索两次，此时的1和2都只是第一层，因此不能将此处1和2作为MIN决策依据。

我们不妨假设MIN选择了2，则有下面这个图（因为2和下面的1是对称的，两者相同）

由上图可知从MAX 出发，搜索两层的图如上所示

如何截断，从而来满足时间上的限制呢？

截断的方法：

①设置固定深度

②迭代加深

随机博弈

即每个结点都以一定概率选择子节点

此处一般直接取期望值作为当前结点的值