博弈树的启发式搜索

博弈树用于表示动态博弈的决策过程,其中包含了决策结和终点结。启发式搜索策略,如α-β搜索/剪枝,通过优化结点排序来提高效率。常见的启发式方法包括吃子启发、置换表启发、历史启发和杀手启发。吃子启发基于MVV/LVA原则,置换表启发利用先前搜索信息,历史启发和杀手启发则根据过去的表现来优先选择着法。不同棋类游戏可能需要结合使用并调整这些启发式策略的顺序。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

博弈树(game tree)是指由于动态博弈参与者的行动有先后次序,因此可以依次将参与者的行动展开成一个树状图形。博弈树是扩展型的一种形象化表述。它能给出有限博弈的几乎所有信息。其基本构建材料包括结、枝和信息集。结包括决策结和终点结两类;决策结是参与人采取行动的时点,终点结是博弈行动路径的终点。枝是从一个决策结到它的直接后续结的连线(有时用箭头表述),每一个枝代表参与人的一个行动选择。博弈树上的所有决策结分割成不同的信息集。每一个信息集是决策集集合的一个子集,该子集包括所有满足下列条件的决策结:

(1)每一个决策结都是同一参与人的决策结;(2)该参与人知道博弈进入该集合的某个决策结,但不知道自己究竟处于哪一个决策结。特点

(1)博弈的初始格局是初始节点。

(2)在博弈树中,"或"节点和"与"节点是逐层交替出现的。自己一方扩展的节点之间是"或"关系,对方扩展的节点之间是"与"关系。双方轮流地扩展节点。

(3)所有自己一方获胜的终局都是本原问题,相应的节点是可解节点;所有使对方获胜的终局都认为是不可解节点。

启发式搜索策略即为结点排序技术。α-β 搜索/剪枝算法的剪枝效率对同一结点下的孩子结点的排列顺序非常敏感,这些结点的排列越理想,则剪枝越早发生,需要展开和估值的结点数越少,算法效率越高,反之搜索效率越低。虽然无法事先预知哪个结点是最佳结点,但却可以采取一些措施,让能产生剪枝的几率越高的结点越排在前面,以优先搜索,使博弈树尽可能接近最小树。

常见的结点排序技术,有吃子启发、置换表启发、历史启发、杀手启发等。

中文名 博弈树启发式搜索

应用学科 计算机

适用领域范围 计算机博弈

适吃子启发

吃子启发(

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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