【算法与数据结构】——对抗搜索

对抗搜索

对抗搜索也称为博弈搜索
在一个竞争的环境中，智能体（agents）之间通过竞争实现相反的利益，一方最大化这个利益，另一方最小化。
对抗搜索的方法主要有三个：
最小最大搜索（Minmax Search）
Alpha-Beta剪枝搜索（Pruning Search）
蒙塔卡洛树搜索（Monte-Caelo Tree Search）

最大最小搜索为对抗搜索中最基本的搜索方法；剪枝搜索是一种对最大最小搜索进行改进的算法，即在搜索过程中可以减去无需搜索的分支节点，且不影响搜索结果。蒙特卡洛树搜索通过采样而非穷举方法来实现搜索。

最大最小搜索(MinMax搜索)

我们采用一个例题来对这类问题进行说明，后面的搜索方法也是基于此例题
一个3*3的矩阵，A和B对矩阵轮流操作，A先操作，每次操作选择一个2×2的矩阵，统计矩阵元素和加在总分数上，然后将这个2×2矩阵逆时针旋转90度，一共进行k轮，也就是2k次操作，A的目标是使得总分数最大，B的目标是使得总分数最小，计算两人在最优策略下最后获得的总分数。
参考例题【题目记录】——ICPC南宁2017I题
对于每一个人，对于当前的矩阵状态都无法直接选出使得最终结果最优的操作方法，我们需要对于每个人的每种情况进行模拟，每个人有4种操作方法，这样最终会形成一个$4^{2k}$的决策树。
从上往下，单数层是A的行动，偶数层是B的行动，单数层要使最终结果最大，偶数层要使最终结果最小。
上面的层我们无法直接确定哪一个是最优值，但是最后一层是B的操作，我们可以直接确定一个最小值返回，返回之后再根据这个值在上一层选择一个最大值，然后依次类推，直到顶层。

minmax搜索评价

优点
算法是一种简单有效的对抗手段
在对手也“尽力而为”的前提下，算法可返回最优结果
缺点
如果搜索树极大，则无法在有效时间内返回结果

Alpha-Beta剪枝搜索（Pruning Search）

计算过程
用于Min-Max的剪枝，一些搜索是没有必要的，故此可以剪除（cut-off）那些没有必要搜索,即对搜索进行剪枝（prune)。Alpha-Beta算法是一种有效而常用的剪枝算法.

Alpha-Beta算法是在Min-Max方法基础上的一个改进.它维护一个搜索窗口（search window）:[α, β].

详细的计算过程参考文章《人工智能》(二): Alpha-Beta算法