人工智能知识表示与推理博弈树搜索.pptVIP

等对手走出相应的棋，再以当前的格局作为初始节点，重复此过程，选择对自己有利的走法 例： 一字棋的极大极小搜索过程 约定： 每一方只向前看一步 （扩展出二层） 记MAX的棋子为“×”，MIN的棋子为“O” 规定MAX先手 ① 若格局 P 对任何一方都不能获胜，则 e(P) =（所有空格上都放上MAX的棋子后，MAX的三个棋子所组成的行、列及对角线的总数）-（所有空格上都放上MIN的棋子后，MIN的三个棋子所组成的行、列及对角线的总数） 静态估计函数e(P)定义为： ② 若P是MAX获胜，则 e(P)=+∞ ③ 若P是MIN获胜，则 e(P)=－∞ 例：计算下列棋局的静态估价函数值 e(P)=6-4=2 棋局 × O × × × × × × × O × O O O O × O O O O 行=2 列=2 对角=2 行=2 列=2 对角=0 利用棋盘的对称性，有些棋局是等价的 × O O × × O O × × × × O × O × O × O × O × × O × O × O × O × O O × O × 1 0 1 0 -1 -1 0 -1 0 -2 1 2 1 -2 -1 1 MAX MIN MAX MAX的走步 第二步 X O X O X X X O X X O X X O X O O X X O O X O X O X O X O X O X O X 2 1 3 2 1 1 X X O O O X X O O X X O O X X O O X X O 1 0 2 0 1 X X O O 1 0 X X O O X X O O X X O O X O X O O X X O O X X O 2 2 3 1 2 2 1 X X O O X O X O X X O O 1 1 0 0 1 O X O X 3 MIN 第三步 X X O O X X O O X X X X O O X X X O O X X X O O X X X O O X X O O O X O X X O O X O X X O O X X O X O O X X X X O O O X X X O O O O X X X O O O X X X O O X X X O O O O X X X O O O X X X O O X O X X O O X X X O O O X X X O O O X O X X O O X X O X O O X X X O O O X X X O O O O X X X O O X X O X O O -? 0 2 1 -? -? -? 1 2 2 1 0 1 -? -? -? 1 1 1 1 1 1 2 -? 1 1 × × O O × MAX MIN MAX MIN × O × × O 上机实验作业： 用C/C++语言编写“一字棋”的游戏程序，基本要求： 必须实现极大极小过程 能够进行“人-机”对垒、“机-机”对垒 简单地显示对垒过程 实验形式：两人或者一人一组 实验报告格式： “一字棋”游戏的计算机程序 学号： 姓名： 专业： 摘要 1 一字棋游戏的文字描述 2 一字棋对垒过程的计算机描述和实现 3 实例（人机对垒的过程、机机对垒的过程） 4 体会 5 参考文献 附录：程序使用的简单说明 提交的材料：1、文字报告；2、程序原代码 提交的方式：以学号姓名为压缩文件名（发送到 wgqu@njnu.edu.cn 提交的时间：11月21日 口头报告：介绍报告的主要内容和演示程序，特别是自己觉得有特色的地方。初步时间是12月初。 2.4.3 ?-?剪枝法 极大极小搜索过程由两个完全分离的两个步骤组成： 1、用宽度优先算法生成一棵博弈搜索树。 2、估计值的倒推计算。 缺点：这种分离使得搜索的效率比较低。 改进：在博弈树生成过程中同时计算端节点的估计值及倒推值，以减少搜索的次数，这就是α-β过程的思想，也称为α-β剪枝法。 其中，α表示MAX节点的估值的下界（已经搜索到的MAX节点的最小值）。 β表示MIN节点的估值的上界（已经搜索到的MIN节点的最大值） 。 极大极小过程： 采用宽度优先的方式来扩展节点 α-β剪枝法： 改用深度优先的策略来扩展节 一字棋的左边部分 MAX MIN 现扩展B得到C，其值为-1，则B的倒推值小于等于-1，即β≤-1。再扩展B的子节点，B的值也不会大于-1。结果是B比A差，不用再扩展B的其他子节点了。此处，MIN节点B的β值小于等于其先辈MAX节点S的α值，停止扩展。 C 扩展S生成A, B,….。扩展