博弈论 负极大值算法

最新推荐文章于 2019-08-11 22:19:16 发布
原创 最新推荐文章于 2019-08-11 22:19:16 发布 · 4.3k 阅读 · 8 ·
CC 4.0 BY-SA版权
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。

本文探讨了在博弈论中，负极大值搜索算法的原理和实现。算法中，局面优势从一方转移到另一方时需要取负，评估函数根据当前走棋方返回优势。通过递归搜索，找到最佳走法及其估值。同时介绍了评估函数的设计，考虑红方和黑方的优势差来确定局面价值。

下面这篇文章承接上文，人工智能，博弈论

一个局面对红方的优势为X，那么对于黑方的优势就是-X；一个局面对红方的优势为-X，对黑方的优势就是X。在负极大值搜索算法中，没有了极小点，只有极大点。需要注意的是，局面对一方的优势转化为另一方的优势时需要加负号。局面估计区间是一个关于0点对称的区间:

[-MaxValue,MaxValue].需要注意的是，为了能使负极大值搜索算法得到正确的评价，必须修改局面评估函数的返回值，原来在极大极小搜索算法中始终返回的是红方的优势，现在要改为当前走棋方的优势。

负极大值搜索算法： 

输入：搜索深度

输出：节点的最佳走法，及对应的最佳估值

函数形式：int negaMaxSearch(int depth)

最低0.47元/天 解锁文章
第6-3课：博弈树与井字棋（Tic-Tac-Toe）
oRbIt 的专栏
09-22 4990
上一课简单介绍了博弈树，从编程实现算法的角度看，博弈树是三种树中最简单的一种，无论是原理还是实现都不复杂。这一课，我们就以简单的井字棋（Tic-Tac-Toe）游戏为例，介绍一下如何用博弈树实现一个简单的井字棋 AI，最后的结果并不复杂，我希望大家把关注点放在如何设计数据模型、如何确定落子，以及将博弈树的理论应用到具体的问题等这样的过程上，而不是最后的结果。 Tic-Tac-Toe——规则...
计算机博弈 Negamax 负极值算法
刘文凯的博客
11-14 2000
在计算机博弈大赛中Negamax算法是Max-Min算法的一种变形，在代码实现上，它可以更加的简洁 原理 敌对方一定不会选择使我能获胜的节点，也就是一方要最大值，一方要最小值，只不过最小值用负值来表示了。递归的value计算公式如下： value= -NegaMax（ p， d-1） 注意其中的负号,d是深度,p是此刻状态。负极大值算法的核心在于：父节点的值是各子节点的值的负数的极大值。 图解 伪代码： public int negamax(Board board, int depth, int alp
负极大值搜索
hanxiaoyang123的博客
11-17 2139
编者最近在学校五子棋AI博弈算法，好不容找到一本书籍资源来学习，但其中内容是作者在2003年缺少中文算法书籍的情况下编写的，因此有一些语义错误或语义不详的地方，对编者阅读造成很大影响。比如这个负极大值搜索的推导则是一笔带过，让编者百思不得其解。现在将花了三小时得出的推导过程，在这里整理一下，如果有错误请读者指正。 首先，负极大值搜索是极大极小值搜索的变种，对运行效率上没有什么影响，但代码更简洁，很...
极小极大搜索方法、负值最大算法和Alpha-Beta搜索方法
weixin_34355881的博客
05-26 1629
1. 极小极大搜索方法    一般应用在博弈搜索中，比如：围棋，五子棋，象棋等。结果有三种可能：胜利、失败和平局。暴力搜索，如果想通过暴力搜索，把最终的结果得到的话，搜索树的深度太大了，机器不能满足，一般都是规定一个搜索的深度，在这个深度范围内进行深度优先搜索。    假设：A和Ｂ对弈，轮到Ａ走棋了，那么我们会遍历A的每一个可能走棋方法，然后对于前面A的每一个走棋方法，遍历B的每一个走棋方法，然后...
基于负极大值搜索的五子棋（C#版）
03-19
人工智能课上的实验，采用负极大值搜索方法，能向前预测2步，基于VS2008的项目。
极小化极大算法与负极大值算法
热门推荐
FlowShell的专栏
03-21 2万+
极小化极大算法（Minimax）     Minimax算法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两方较量的游戏和程序，这类程序由两个游戏者轮流，每次执行一个步骤。我们众所周知的五子棋、象棋等都属于这类程序，所以说Minimax算法是基于搜索的博弈算法的基础。该算法是一种零总和算法，即一方要在可选的选项中选择将其优势最大化的选择，而另一方则选择令对手优势最小化的方法。     我们知道，常用的博弈算法都是基于搜索的博弈算法，所有可能的下棋步骤构成一个
一篇实用的博弈树并行搜索算法论文
10-17
为了简化α-β搜索/剪枝算法的复杂性，研究者们提出了等效但更简洁的负极大值算法。主要变例搜索（Principal Variation Search，PVS）算法，作为α-β搜索/剪枝算法的一个重要改进，在人工智能领域已被广泛采纳并...
博弈树搜索的算法改进论文.pdf
08-16
负极大算法是该策略的一种变形，它将对手的选择视为选取负估价值中的最大值，这样简化了算法描述，统一了双方决策逻辑。 #### Alpha-Beta剪枝 Alpha-Beta剪枝是对最小最大策略的重要改进，其核心思想在于减少不必...
博弈论与游戏策略解析
### 博弈论与游戏策略解析 #### 1. 含机会因素的尼姆游戏 在某些尼姆游戏的变体中，移除石头的实际数量是通过一个随机数生成器得出的。这个随机数生成器会以相等的概率返回1到\(n_i\)之间的整数值，其中\(n_i\)是第...
负极大值搜索引擎
V的博客
05-21 529
//alphabeta的过程 //depth是当前搜索距离叶子点的层数 //alpha是搜索的上边界 //beta是搜索的下边界 int  CAlphaBetaEngine::alphabeta(int depth,int alpha,int beta){      int score;      int Count,i;      BYTE  type;      i=IsGam
C#版五子棋（基于负极大值算法+历史启发函数）
12-22
人工智能课上的实验作业，基于阿尔法贝塔剪技搜索，参考了PC 游戏编程（人机博弈）这本书，注释比较多，实现了悔棋功能
C#版五子棋（负极大值+历史启发函数）
12-22
VS2008的项目，基于阿尔法贝塔剪技搜索的负极大值形式+历史启发函数，在深度为2时反应比较快，深度为3及以后时反应比较慢。注释比较多，主要是参考了PC 游戏编程（人机博弈）这本书所说的方法和评估函数，我人工智能课的最后一个实验，有兴趣可以看看~
negamax：用于回合制游戏的negamax AI算法
02-04
negamax：用于回合制游戏的negamax AI算法
Negamax Algorithm
justproxyme的专栏
11-25 1492
Negamax Algorithm
基本搜索技术--人机博弈算法（极大极小，深度优先，负极大值）
lzzw的学习之路
08-11 8802
极大极小值算法（ Minimax algorithm） 在上文的博弈树中，如果我们令甲胜的局面值为1，乙胜的局面值为-1，而和局的值为0。当轮到甲走时，甲定会选择子节点值最大的走法：而轮到乙时，乙则会选择子节点值最小的走法。所以，对于中间节点的值可以有如下计算方法：如果该节点所对应的局面轮到甲走棋，则该节点的值是其所有子节点中值最大的一个的值。而如果该节点所对应的局面轮到乙...
博弈算法
fastkeeper的专栏
03-11 3658
有一种很有意思的游戏，就是有物体若干堆，可以是火柴棍或是围棋子等等均可。两个人轮流从堆中取物体若干，规定最后取光物体者取胜。这是我国民间很古老的一个游戏，别看这游戏极其简单，却蕴含着深刻的数学原理。下面我们来分析一下要如何才能够取胜。 （一）巴什博奕（Bash Game）：只有一堆n个物品，两个人轮流从这堆物品中取物，规定每次至少取一个，最多取m个。最后取光者得胜。 显然，如果n=m+1，那么
再看极大极小搜索与负极大值搜索
cprimesplus的博客
08-02 877
前两天写了关于极大极小搜索的文章，实际还是不够深入，而且有一定偏差。经过这两天的思考之后打算另写一篇来说一下我对极大极小搜索的的进一步理解(以井字棋为例)。 在这之前，首先值得注意的一点是，如果说我将初始深度赋值为9并作为参数传到函数中，并且目的是让函数一层层递归直到最后一步棋，那么我的函数传参如下: MaxMinSearch ( Depth )——–Depth>0 可以看出，函数就是...
算法设计——极大极小搜索
如果这是你所爱的，要坚持，并踏实。
08-13 1万+
极大极小搜索策略一般都是使用在一些博弈类的游戏之中：这样策略本质上使用的是深度搜索策略，所以一般可以使用递归的方法来实现。在搜索过程中，对本方有利的搜索点上应该取极大值，而对本方不利的搜索点上应该取极小值。极小值和极大值都是相对而言的。在搜索过程中需要合理的控制搜索深度，搜索的深度越深，效率越低，但是一般来说，走法越好。极大极小搜索可以分开写，也可以放在一起写。主要的算法步骤如下：1、根据side确定如何初始化best值。2、如果当前深度为0，则调用局面评估函数，返回评估值。（评估函数是根据具体问题设计的）
基于负极大值算法的C#五子棋AI实现
本项目“C#版五子棋（基于负极大值算法+历史启发函数）”是一个典型的人机博弈系统，融合了人工智能、算法优化与图形化交互设计，主要用于实现一个具备较强智能水平的五子棋对弈程序。该程序不仅实现了基本的五子棋...
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