37、游戏中的人工智能：从经典游戏到视频游戏的探索

游戏中的人工智能：从经典游戏到视频游戏的探索

1. 经典游戏 AI 进展

1.1 AlphaZero —— 超越 AlphaGo Zero

在经典游戏 AI 领域，AlphaZero 是 AlphaGo Zero 的改进版本。与 AlphaGo Zero 不同的是，它不仅适用于围棋，还应用于国际象棋和将棋。经过短短几小时的训练，AlphaZero 就能够击败当时最优秀的计算机国际象棋和将棋程序，如 Stockfish 和 Elmo。在围棋方面，它也超越了 AlphaGo Zero，被认为是 AlphaGo Zero 的更通用版本。

1.2 解谜游戏算法

1.2.1 A* 算法

A 算法可用于找到各种解谜游戏的最少移动步数解决方案。它适用于如魔方、9 宫格谜题或推箱子游戏等，在视频游戏中也有应用。使用 A 算法时，需要为每个谜题定义一个可采纳的启发式函数。这个启发式函数会在搜索的每个状态下进行计算，且其值必须始终小于从当前评估状态到达解决方案所需的真实移动步数。

曼哈顿启发式函数
曼哈顿启发式函数是最广泛使用的启发式函数。其原理是快速计算简化问题的解决方案，并将该方案的成本作为实际成本的下限。它为每个棋子计算移动到目标位置的成本，而不考虑与其他棋子的相互作用。例如，在 9 宫格谜题中，该启发式函数计算每个方块移动到目标位置的移动步数，就好像没有其他方块一样。对于魔方，同样为每个小方块进行计算，但由于魔方的每次移动会移动 8 个小方块，所以总和需要除以 8 以确保可采纳性。在视频游戏地图上寻找最优移动时，曼哈顿启发式函数计算的距离就好像没有障碍