人工智能—— 博弈树的启发式搜索

一、概述

博弈的概念

博弈是一类具有智能行为的竞争活动,如下棋、战争等。

博弈的类型

  • 双人完备信息博弈:两位选手(例如MAX和MIN )对垒,轮流走步,每一方不仅知道对方已经走过的棋步,而且还能估计出对方未来的走步。
  • 机遇性博弈:存在不可预测性的博弈,例如掷币等。

博弈树

若把双人完备信息博弈过程用图表示出来,就得到一棵与/或树,这种与/或树被称为博弈树。在博弈树中,那些下一步该MAX走步的结点称为MAX结点,下一步该MIN走步的结点称为MIN 结点。

博弈树的特点

  1. 博弈的初始状态是初始结点;
  2. 博弈树中的“或”结点和“与”结点是逐层交替出现的;
  3. 整个博弈过程始终站在某一方的立场上,例如MAX方。所有能使自己一方获胜的终局都是本原问题,相应的结点是可解结点;所有使对方获胜的终局都是不可解结点。

二、极大极小过程

(1)算法思想

极大极小过程用当前正在考察的结点生成一棵部分博弈树,并利用估价函数f(n)对叶结点进行静态估值。

求叶结点的值

  • 对MAX有利的结点,其估价函数取正值
  • 对MIN有利的结点,其估价函数取负值
  • 使双方均等的结点,其估价函数取接近于0的值。

求非叶结点的值:

必须从叶结点开始向上倒退。其倒退方法是:

  • 对于MAX结点,由于MAX 方总是选择估值最大的走步,因此,MAX结点的倒退值应该取其后继结点估值的最大值。
  • 对于MIN结点,由于MIN方总是选择使估值最小的走步,因此MIN结点的倒推值应取其后继结点估值的最小值。
  • 这样一步一步的计算倒推值,直至求出初始结点的倒推值为止。这一过程称为极大极小过程。

(2)极大极小过程实例
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述


三、α-β剪枝

(1)算法思想

极大极小过程是先生成与/或树,然后再计算各结点的估值,这种生成结点和计算估值相分离的方式,需生成规定深度内的所有结点,搜索效率较低。如果能边生成结点边对结点估值,并剪去一些没用的分枝,这种技术被称为α-β剪枝。

剪枝方法

  1. MAX结点(或结点)的α值为当前子结点的最大倒推值;
  2. MIN结点(与结点)的β值为当前子结点的最小倒推值;
  3. α-β剪枝的规则如下:
  • β剪枝: 任何MAX结点n的α值大于或等于它先辈结点的β值,则n 以下的分枝可停止搜索,并令结点n的倒推值为α。这种剪枝称为β剪枝。
  • α剪枝: 任何MIN结点n的β值小于或等于它先辈结点的α值,则n 以下的分枝可停止搜索,并令结点n的倒推值为β。这种剪枝称为α剪枝。

(2)α-β剪枝实例

在这里插入图片描述

1. 剪枝1:
在这里插入图片描述
α剪枝: MIN结点G的β值(<=1)小于或等于它先辈结点C的α值(>=4),结点G不可能让先辈结点C的α值增大,则G以下的分枝可停止搜索,并令结点n的倒推值为β(<=1)。这种剪枝称为α剪枝。

详解: 在该图中,K、L、M的估值推出结点F的到推值为4,即F的β值为4,由此可推出结点C的到推值≥4。 记C的到推值的下界为4,不可能再比4小,故C的α值为4。由结点N的估值推知结点G的倒推值小于≤1,无论G的其它子结点的估只是多少,G的倒推值都不可能比1大。因此,1是G的倒推值的上界,所以G的值≦1 。另已知C的倒推值≥4,G的其它子结点又不可能使C的倒推值增大。因此对G的其它分支不必再搜索,相当于把这些分枝剪去。

2. 剪枝2:

在这里插入图片描述

β剪枝: MAX结点D的α值(>=5)大于它先辈结点A的β值(<=4),则D以下的分枝可停止搜索,结点D不可能让先辈结点A的β值减小,并令结点D的倒推值为α(>=5)。这种剪枝称为β剪枝。

详解: 由F、G的倒推值可推出结点C的倒推值≥4 ,再由C可推出结点A的倒推值≤4,即A的β值为4。另外,由结点P、Q推出的结点I的倒推值为5,因此D的倒推值 ≥5,即D的α值为5。此时,D的其它子结点的倒推值无论是多少都不能使D及A的倒推值减少或增大,所以D的其他分枝被减去,并可确定A的倒推值为4 。

3. 其它剪枝(省略)

展开阅读全文

没有更多推荐了,返回首页