极大极小搜索算法:
用于围棋,五子棋,象棋等棋类,结果有三种可能:胜利、失败和平局。理论上可以穷举所有的走法,这就需要生成整棵博弈树。实际上不可行。因此搜索时可以限
定博弈树的深度,到达该深度则不再往下搜,相当于只往前看 n 步。
如果题意是求出必胜,必败,必和等,那么肯定是全部搜完整一棵搜索树,此题目数据量一般很小
如果是不搜索完,只能求出胜或败或和的概率
思路:
先要弄一个估价函数:
概念:MAX(己方)和MIN(敌手)对弈,轮到MAX走棋了,那么我们会遍历MAX的每一个可能走棋方法,然后对于前面MAX的每一个走棋方法,遍历MIN的每一个走棋方法,然后接着遍历MAX的每一个走棋方法,…… 直到分出胜负或者达到了搜索深度的限制。若达到搜索深度限制时尚未分出胜负,则根据当前局面的形式,给出一个得分,计算得分的方法被称为估价函数,不同游戏的估价函数如何设计和具体游戏相关。
确定估价值函数:对MAX方有利,估价值为正,对MAX方越有利,估价值越大。对MIN方有利,估价值为负,对MIN方越有利,估价值越小。
作用:因为非叶子节点的估价函数值可以通过其子结点推出,所以是用于求出子结点的估价值,然后往树的根节点推
然后要想怎么根据叶子节点输赢推到根节点输赢:
其中的一些概念:
作为Max的选择,在此局面下,所有走的所有可能作为同一层,其中节点也叫做极大节点
作为Min的选择,同理,节点叫做极小节点
如下图:
作为MAX方
肯定要选最有利的,那么就选此时所有选择的节点中的估价函数值最大的一种
该节点估价值就是其下Min的所有选择的最大的一个值,也即是对Min最不利,对Max最有利的一个节点
作为Min方
也要选最有利的,那么就选此时所有选择的节点中的估价函数值最小的一种
该节点估价值就是其下Max的所有选择的最小的一个值,也即是对Max最不利,对Min最有利的一个节点
额,好难说清,上伪代码:
function minimax(node, depth) // 指定当前节点和还要搜索的深度
// 如果胜负已分或者深度为零,使用评估函数返回局面得分
if node is a terminal node or depth = 0
return the heuristic value of node
// 如果轮到对手走棋,即node是极小节点,选择一个得分最小的走法
if the adversary is to play at node
let α := +∞
for each child of node
α := min(α, minimax(child, depth-1))
// 如果轮到自己走棋,是极大节点,选择一个得分最大的走法
else {we are to play at node}
let α := -∞
for each child of node
α := max(α, minimax(child, depth-1))
return α;