アルファ・ベータ・プルーニングを使用したMinimax、結果の取得

Question

私はウィキペディアの記事でpseducodeに従っています。しかし、それはスコアを返し、私は何をしたいのかを知りたいときにはそれは正確には役に立ちません。

私は、最良の動きを得る方法であると思ったことを試しましたが、私が実際にそれ（チェス）と対戦しようとしているようには働いていないと思いますが、AIはある程度深みのある動き図3は、チェスのような問題のための非常に少ないです

public static function alphaBeta(node, depth, alph, beta, team, tellTheMove:Boolean = false):* { 
     var pointer:ChessMove; 
     if (depth == 0) { 
      return scoreOf(node); 
     } 
     var childrenOf:Vector.<ChessMove > = returnPossibleMoves(node,team); 
     if (childrenOf.length == 0) { 
      return scoreOf(node); 
     } 
     if (team == 0) { 
      for (var i in childrenOf) { 
       var that:Number = alphaBeta(childrenOf[i],depth - 1,alph,beta,1); 
       if(tellTheMove){ 
       } 
       if (that > alph) { 
        alph = that; 
        if(tellTheMove){ 
         pointer = childrenOf[i]; 
        } 
       } 
       if (beta <= alph) { 
        break; 
       } 
      } 
      if(tellTheMove){ 
       return pointer; //Returns the move that's score last exceeded alpha. 
      } 
      return alph; 
     } else { 
      for (var j in childrenOf) { 
       var that2:Number = alphaBeta(childrenOf[j],depth - 1,alph,beta,0); 
       if (that2 < beta) { 
        beta = that2; 
       } 
       if (beta <= alph) { 
        break; 
       } 
      } 
      return beta; 
     } 
    } 

Answer 1

深さ：3

のレベルは、ここに私の関数です。この深さでは、最終的な評価関数に依存します。この評価関数は、ボードの価値を効率的に予測できるという点で非常に困難です。

もっと簡単な操作を試してください。これは、より低い深さで効率的に解決できます。 Tic-Tac-Toeは、Min-Maxでの最初の試みのための非常に良いゲームです。これは、最終結果がよく知られているためです。あなたがアルゴリズムを正しく得るなら、それをまったく打ち負かすべきではありません。 Tic-Tac-Toeを実行してアルゴリズムが失われている場合は、間違いがあることがわかります。

また、Min-Maxが最適に再生されますが、依然として人間の敵に遅れて見えることに注意してください。例えば、勝利のチャンスがない場合、Min-Maxはランダムにプレイし始め、非常にダムの動きをします。これは、Min-Maxが対戦相手も完全にプレーすることを期待しているからです。これは通常、人間にとっては当てはまりません。この動作を変更し、そのような場合にmin-maxの再生が「遅くなる」というアルゴリズムを実行するために、アルゴリズムに対して行うことができる簡単な変更がいくつかあります。