前面介绍了单纯的max-min算法,其效率是很低的,只能思考四层。没有看过的,先去看看,才能理解后面的。
只能思考4层是由于可能的走法太多了,如第一步电脑有225种走法,每一种走法都会导致玩家有224种走法............就像是一颗庞大的树。由于可能性太多,所以优化是必须的。优化的第一种办法就是剪枝。
没有看过的,先去看看,才能理解后面的。
QT五子棋项目详解之四:AI人机对战max-min极大极小值博弈算法:
http://blog.csdn.net/weixin_39788534/article/details/79499966
我接着前面的讲,如下图,思考两层的情况:计算的顺序是这样的:
先遍历了A分支的D,E,又遍历其他分支。F,G.........
我们可以考虑一下下面的这种情况:即当计算到H的时候,我已经没有必要去计算C节点的其他分支I....了
为什么,你想一下,当电脑走了C节点后,玩家会选择一个对玩家最不利的点,如果I的值大于1,那玩家就会选择1.
如果I的值等于0,那玩家就会选择0这个点,导致C的分数变成了0.不管I的值是什么,玩家都会选择前面的3这个节点,这样就大大的提高了效率。
因此,对于剪枝需要保留这一层的最值,对于电脑这一层来说,就是需要保留最大的3,如果后面的节点如C的节点比3小就不用再判断了。
就像是模拟人的思考方式一下,真的很简单。一切都是合理的方式。
代码也很简单,多加了几行。:
QPoint Game::maxmin2(int deep)
{
int best = INT_MIN;
QVector<QPoint> points = gen(deep,computerColor);
for(int i = 0;i<points.count();i++)
{
chess[points[i].x()][points[i].y()] = computerColor;
int v = min2(deep-1,best > INT_MIN ? best : INT_MIN,INT_MAX,points[