计算机博弈算法（Adversarial Search）

原创

已于 2023-03-25 20:04:32 修改 · 2.5k 阅读

39 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #机器学习

于 2023-03-12 11:08:46 首次发布

文章介绍了人机博弈中的极小化极大算法，该算法通过构建博弈树来预测对手的策略。negamax是其简化版，不需区分极大值和极小值者。Alpha-beta剪枝是提高搜索效率的关键，通过alpha和beta值避免冗余搜索，分别处理极大值和极小值冗余。估值函数用于评估棋局状态。文章详细阐述了alpha-beta剪枝的原理和实现过程。

一、前言

人机博弈是人工智能的重要分支，人们在这一领域探索的过程中产生了大量的研究成果，而极小化极大算法(minimax)是其中最基础的算法，它由Shannon在1950年正式提出。Alpha-beta剪枝的本质就是一种基于极小化极大算法的改进方法。Knuth等人在1975年优化了算法，提出了负极大值(negamax)概念，这一概念的原理本质上与极小化极大值算法并无不同，但是却不需要系统区分取极大值者和极小值者，使得算法更加统一。此外，Knuth等人也对alpha-beta剪枝算法的搜索效率进行了深入的研究，Pearl也在1982年证明了alpha-beta剪枝原理的最优性。

二、极大极小值算法（Minimax Search）

1. 极大极小算法

在人机博弈中，双方回合制地进行走棋，己方考虑当自己在所有可行的走法中作出某一特定选择后，对方可能会采取的走法，从而选择最有利于自己的走法。这种对弈过程就构成了一颗博弈树，双方在博弈树中不断搜索，选择对自己最为有利的子节点走棋。在搜索的过程中，将取极大值的一方称为max，取极小值的一方称为min。max总是会选择价值最大的子节点走棋，而min则相反。这就是极小化极大算法的核心思想。