博弈论：完美信息的拓展性博弈-极小极大算法（Minimax）

最新推荐文章于 2023-11-07 09:04:10 发布
最新推荐文章于 2023-11-07 09:04:10 发布
阅读量2.5k 收藏 11
点赞数
分类专栏： 其他 文章标签： 算法 人工智能 数据结构
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ResumeProject/article/details/119906068
版权

围棋 ：完美信息的拓展性博弈

Tic-Tac-Toe的树形描述

在这里插入图片描述
M a x 代 表 玩 家 自 己 ， M i n 代 表 你 的 对 手 , 游 戏 简 单 但 是 仍 约 有 36 万 种 结 果 Max代表玩家自己，Min代表你的对手,游戏简单但是仍约有36万种结果 Max代表玩家自己，Min代表你的对手,游戏简单但是仍约有36万种结果

极小极大算法（Minimax）

深 度 优 先 搜 索 + 逆 向 归 纳 法 深度优先搜索+逆向归纳法 深度优先搜索+逆向归纳法
二叉树的先序遍历
图的深度优先遍历

在这里插入图片描述
算 法 ， 做 深 度 优 先 搜 索 ( 树 的 先 序 遍 历 ) ， 第 一 个 到 10 ， 第 4 排 第 1 个 M I N 做 决 策 ， 保 存 数 据 为 10 ， ( 因 为 右 侧 没 有 搜 索 到 数 据 ， 所 以 父 节 点 保 存 当 前 的 值 , 搜 索 到 之 后 在 比 较 更 新 ) 然 后 搜 索 到 11 , 第 4 排 第 1 个 M I N 做 决 策 ， 保 存 数 据 为 10 ， 第 3 排 第 1 个 M A X 做 决 策 ， 保 存 数 据 为 10 ， 然 后 右 子 树 开 始 搜 索 ， M I N 保 存 左 右 叶 子 节 点 的 最 小 值 9 … … 依 次 搜 索 然 后 保 存 算法，做深度优先搜索(树的先序遍历)，\\ 第一个到10，第4排第1个MIN做决策，保存数据为10，\\ (\color{red}因为右侧没有搜索到数据，所以父节点保存当前的值,搜索到之后在比较更新\color{black})\\ 然后搜索到11,第4排第1个MIN做决策，保存数据为10，\\ 第3排第1个MAX做决策，保存数据为10，\\ 然后右子树开始搜索，MIN保存左右叶子节点的最小值9……\\ 依次搜索然后保存 算法，做深度优先搜索(树的先序遍历)，第一个到10，第4排第1个MIN做决策，保存数据为10，(因为右侧没有搜索到数据，所以父节点保存当前的值,搜索到之后在比较更新)然后搜索到11,第4排第1个MIN做决策，保存数据为10，第3排第1个MAX做决策，保存数据为10，然后右子树开始搜索，MIN保存左右叶子节点的最小值9……依次搜索然后保存
在这里插入图片描述

减枝(α-β剪枝（Alpha-Beta Pruning）)

$$$$
在这里插入图片描述

a 记 录 最 大 值 ， b 记 录 最 小 值 根 据 两 者 的 值 判 断 何 时 减 枝 ： a ≥ b a , b 首 先 为 最 差 值 ： a = − ∞ , b = + ∞ a记录最大值，b记录最小值\\ 根据两者的值判断何时减枝：a\geq b\\ a,b首先为最差值：a=-\infty ,b =+\infty \\ a记录最大值，b记录最小值根据两者的值判断何时减枝：a≥ba,b首先为最差值：a=−∞,b=+∞
在这里插入图片描述
下 边 的 情 况 需 要 减 枝 ， 有 一 点 、 像 “ 维 克 里 拍 卖 ” 下边的情况需要减枝，有一点、像“维克里拍卖”\\ 下边的情况需要减枝，有一点、像“维克里拍卖”
在这里插入图片描述
在这里插入图片描述
圆 m i n 只 要 找 到 一 个 比 当 前 数 还 小 的 数 就 停 止 ( 剪 枝 ) ， 方 块 m a x 只 要 找 到 比 当 前 大 的 数 就 停 止 ( 剪 枝 ) 圆min只要找到一个比当前数还小的数就停止(剪枝)，方块max只要找到比当前大的数就停止(剪枝) 圆min只要找到一个比当前数还小的数就停止(剪枝)，方块max只要找到比当前大的数就停止(剪枝)

在这里插入图片描述

FakeOccupational
关注
  • 0
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
详解Minimax算法与α-β剪枝
文剑木然的专栏
05-28 3万+
本文首发在我的个人博客：https://jlice.top/p/7q6ye/。欢迎大家前去参观，么么哒~ 在局面确定的双人对弈里，常采用博弈树搜索。我方追求更大的赢面，而对方会设法降低我方的赢面。由于局面确定，因此可以对赢面进行评估。我方往较大赢面的方向走，同时考虑对方的走法。由于对方的走法不确定，就假设对方会选择最大程度降低我方赢面的方向走，我方应规避那些对方可以大幅降低我方赢面的走法。 ...
论文研究 - Connect-4博弈对Minimax算法洞察力的不同启发式研究
05-22
Minimax算法和机器学习技术... 通过分析当我们的版本与具有不同搜索深度的在线样本进行对抗时的获胜百分比，我们发现采用minimax算法的启发式算法在零和游戏的早期阶段是完美的。 由于游戏树中的某些节点对minimax算
人工智能算法模型--Minimax(极大极小)搜索算法学习笔记
陈丹宇的博客
01-05 3792
本篇的主要内容： Minimax算法(极大极小算法) 学习和掌握Minimax算法的实现原理 Minimax算法的描述 Minimax算法的实例演示过程
最清晰易懂的MinMax算法和Alpha-Beta剪枝详解
热门推荐
QDU_ZXF的博客
11-26 5万+
最清晰易懂的MinMax算法和Alpha-Beta剪枝详解 参考文章 http://web.cs.ucla.edu/~rosen/161/notes/alphabeta.html 一、MinMax算法   Minimax算法（亦称 MinMax or MM）又名极小化极大算法，是一种找出失败的最大可能性中的最小值的算法。   Minimax算法常用于棋类等由...
算法学习（一）——Minimax算法
星之所望的博客
12-29 6094
作者：还想养只小短腿 链接：https://www.zhihu.com/question/27221568/answer/140874499 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 先来说极小极大算法主要应用于什么样的游戏： 1. 零和游戏（Zero-sum Game）：意思就是你死我活，一方的胜利代表另一方的失败，比如，象棋，五子棋等。 2. 完全信息（Perfect Information）：玩家知道之前所有的步骤。象棋就是完全信息，因为玩家是交替着落子，.
[人工智能导论学习笔记] Minimax
PleaseBeStrong的博客
09-02 1491
剪枝往往结果是好的，能减少不必要的递归提升效率，但是其本质任然是一个深度遍历递归，当通过评估函数得到的评估值很极端时就会导致剪不了几条枝叶，达不到提升性能的目的（像上面这个例子，基本上就剪了一条无关紧要的，其他还是得遍历🙃）Minimax - 当我们的对手表现最佳时使用，可以使用α-β修剪进行优化。万一遇上不太聪明的队手呢。。。Minimax提供了比expectimax更保守的操作，因此往往当对手未知时，会产生有利的结果。
计算机博弈 基本算法 极大极小算法
刘文凯的博客
11-06 2826
计算机博弈大赛中最基础的算法就是极大极小算法，下面总结MaxMin算法 预备知识： 广度优先搜索(BFS) 深度优先搜索(DFS) 介绍 MaxMin算法在有限深度的范围内进行搜索，假定博弈双方都是聪明的，也就是每次都会选择可能获胜的最大值。那么对于我方来说，对方每次都会选取使我方获胜的最小值MIN；我方会选择使我方获胜的最大值MAX。 “值”的数字，由最后一层状态的评估函数f§确定，评估函数。 定义： MAX与MIN分别代表博弈双方。 p代表一个棋局状态 f§表示评估函数 过程： 当父状态为MIN时，那么
博弈树搜索技术（Minimax算法，ɑ-β 算法）
MrGong123的博客
09-22 4864
博弈树搜索技术（Minimax算法，ɑ-β 算法）
人工智能的最小最大算法
unber的博客
11-07 243
在下面的树形图中，下面来看看A是树的初始状态。假设Maximizer采用具有最坏情况初始值 = -无穷大的第一次转弯，并且Minimizer将采用具有最坏情况初始值=+无穷大的下一转弯。：现在，首先我们找到Maximizer的效用值，它的初始值是-∞，因此将比较终端状态中的每个值和Maximizer的初始值，并确定更高的节点值。：现在轮到Maximizer，它将再次选择所有节点的最大值并找到根节点的最大值。在这个游戏树中，只有4层，因此我们立即到达根节点，但在真实游戏中，将有超过4层。
C++使用MFC基于Minimax算法和α-β剪枝的五子棋AI（带图形界面）
02-19
五子棋是一款深受大众喜爱的智力游戏，而利用计算机编程实现五子棋的人工智能(AI)则需要深入理解博弈论和优化算法。本项目采用C++语言，并结合Microsoft Foundation Classes (MFC)库构建了一个带图形界面的五子棋AI...
Minimax算法研究（TicTacToe）
03-26
分别是使用了深度限制和使用了Alpha-beta剪枝的例子（能直接编译运行） 博文链接：https://univasity.iteye.com/blog/1170216
AI-tictactoe:使用博弈论中的minimax算法创建Ai
05-26
在这个项目中，AI是通过应用博弈论中的minimax算法来创建的，旨在让计算机能智能地玩井字游戏。 **描述解析：** 描述简单明了，强调了AI的实现方式——minimax算法。这是一种在两个玩家之间进行的零和游戏中（如井...
TicTacToe-Minimax:Java中的极小极大技术
06-04
在Java中实现极小极大算法，首先需要构建一个游戏状态表示模型，包括棋盘布局、当前玩家等信息。接着，定义一个评估函数来衡量给定状态下某个玩家的胜率，这通常是通过计算所有可能的下一步及其结果来完成的。对于井...
minimax:井字棋游戏中极小极大算法的 LISP 实现
06-22
极小极大算法是一种在计算机博弈中广泛使用的决策制定策略，特别是在两人零和游戏中，如井字棋（Tic-Tac-Toe）。这个算法基于玩家之间的最优选择：一方（通常是计算机，我们称为“最大化玩家”）尝试最大化其可能的...
极大极小算法和AlphaBeta剪枝算法学习总结
BIT1120172185的博客
07-09 1万+
作为菜鸟，先贴上参考博文： 1.极小极大算法 2.<<CS 161 Recitation Notes - The Minimax Algorithm>> 3.《PC游戏编程-人机博弈》-作者陈其，王小春 本文目录： 直观图解 伪代码 习题实战 适用范围：极小极大算法常用于零和博弈游戏中，零和博弈指参与博弈的各方，在严格竞争下，一方的收益必然意味着另一方的损失，...
博弈论知识点总结
qq_41296039的博客
01-01 6169
主要是国科大高级AI课程的博弈论相关的考点，纳什均衡和帕累托均衡、讨价还价问题、maxmin和minmax策略、最优匹配问题以及网络交换博弈问题都是重要的选择题考点、maxmin策略和minmax策略的计算应该不会考，价格机制的最优匹配也不会考，但是也是很有意思的知识点。
【博弈论-完全信息动态博弈】 扩展式博弈
weixin_46365033的博客
06-13 2175
扩展式博弈与战略式博弈一样，是对博弈问题的一种规范式描述。扩展式博弈注重对参与人在博弈过程中所遇到决策问题的序列结构的详细分析。两个重要问题：定义5.1 扩展式博弈包括以下要素： 3. 参与人集合； 4. 参与人的行动顺序，即每个参与人在何时行动； 5. 每个参与人行动时面临的决策问题，包括参与人行动时可供他选择的行动方案及他所了解的信息； 6. 参与人的支付函数，即博弈结束时每个参与人得到的博弈结果。参与人iii的一个信息集是决策结的一个集合，满足两个条件：说明：根据定义2.5，只要给出一个战略式博弈，那
博弈论的算法总结
kylinholmes的博客
08-13 9388
常见博弈算法模型总结 转载自大佬博客 文章目录常见博弈算法模型总结博弈：常见的博弈：巴什博弈：威佐夫博弈：尼姆博弈（Nimm Game）： 博弈： 博弈论又被称为对策论（Game Theory），既是现代数学的一个新分支，也是运筹学的一个重要学科。 博弈，具体的例子就是下棋，双方都考虑最有利于自已的步骤，但是最终必有一方输，一方赢。 博弈的策略：参与者在行动之前所准备好的一套完整的行动方案，就是想好下完这步棋，对方会如何下， 以及接下来该如何下，最终得出结果。 常见的博弈： 博弈：合作博弈和非合作博弈
用井字游戏理解 Minimax 算法
allway2的博客
06-08 1660
Minimax 算法是博弈论中使用的一种回溯算法，用于在假设您的对手也在采取最佳行动的情况下确定最佳行动。Minimax算法的使用是一种不涉及机器学习的人工智能形式。本文解释了 Minimax 算法，并探讨了如何使用它来确定井字游戏中的下一步。MiniMax 算法工作的条件为了将极小极大算法应用于游戏，一名玩家被指定为最大化玩家，另一名玩家被指定为最小化玩家。最大化玩家玩游戏以尝试获得最高分，而最小化玩家玩游戏以获得最低可能分数。在游戏的每一点，都可以评估棋盘以确定当前得分。如果最终得分为正结果，则最大化玩
C语言极大极小值算法博弈树算法
最新发布
11-15
极大极小值算法（Minimax Algorithm）是一种博弈树算法，常用于人工智能领域中的决策树问题。该算法通过递归地搜索博弈树，找到最优的下一步决策。在搜索过程中，假设对手会采取最优策略，因此算法会选择对自己最有利的决策，同时也会考虑到对手的最优策略，以避免自己处于劣势。 C语言实现极大极小值算法的步骤如下： 1. 定义博弈树的节点结构体，包括当前状态、当前玩家、当前深度等信息。 2. 定义估值函数，用于评估当前状态的价值。 3. 定义maxSearch和minSearch函数，分别代表当前玩家为MAX和MIN的情况下的搜索过程。在搜索过程中，需要递归地搜索子节点，并计算出每个子节点的估值。 4. 在maxSearch和minSearch函数中，根据当前玩家的不同，选择最大或最小的估值，并返回该估值。 5. 在主函数中，调用maxSearch函数，得到最优的下一步决策。 下面是一个简单的C语言实现极大极小值算法的示例代码： ```c #include <stdio.h> #include <stdlib.h> #define MAX_DEPTH 5 // 定义博弈树的节点结构体 typedef struct node { int state; int player; int depth; struct node *children[3]; } Node; // 估值函数 int evaluate(int state) { if (state == 1) { return 1; } else if (state == -1) { return -1; } else { return 0; } } // maxSearch函数 int maxSearch(Node *node) { if (node->depth == MAX_DEPTH) { return evaluate(node->state); } int maxVal = -100; for (int i = 0; i < 3; i++) { if (node->children[i] == NULL) { node->children[i] = (Node *)malloc(sizeof(Node)); node->children[i]->state = -node->player; node->children[i]->player = -node->player; node->children[i]->depth = node->depth + 1; } int val = minSearch(node->children[i]); if (val > maxVal) { maxVal = val; } } return maxVal; } // minSearch函数 int minSearch(Node *node) { if (node->depth == MAX_DEPTH) { return evaluate(node->state); } int minVal = 100; for (int i = 0; i < 3; i++) { if (node->children[i] == NULL) { node->children[i] = (Node *)malloc(sizeof(Node)); node->children[i]->state = -node->player; node->children[i]->player = -node->player; node->children[i]->depth = node->depth + 1; } int val = maxSearch(node->children[i]); if (val < minVal) { minVal = val; } } return minVal; } int main() { Node *root = (Node *)malloc(sizeof(Node)); root->state = 0; root->player = 1; root->depth = 0; for (int i = 0; i < 3; i++) { root->children[i] = NULL; } int bestVal = -100; int bestMove = -1; for (int i = 0; i < 3; i++) { root->children[i] = (Node *)malloc(sizeof(Node)); root->children[i]->state = -root->player; root->children[i]->player = -root->player; root->children[i]->depth = root->depth + 1; int val = minSearch(root->children[i]); if (val > bestVal) { bestVal = val; bestMove = i; } } printf("Best move: %d\n", bestMove); return 0; } ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值