东北大学人工智能大作业.docx

机器博弈（Machine Game Playing）注：维基百科和百度百科中对机器博弈的介绍较少，如有错误请多指教。01 关于机器博弈机器博弈的含义：机器博弈就字面意思理解，即机器参与到博弈的过程当中，这不仅包括机器与机器之间的博弈，也包括机器与人类之间的博弈。机器博弈的特征：智力竞技——机器博弈过程中机器与对手之间存在着智力上的比拼，并以此区分胜负。1.3 机器博弈的目标：击败对手——机器博弈涉及多个主体，其最后的结果为分出胜负，博弈双方的目标均为击败对手，02 博弈问题的描述（以棋类游戏为例）2.1 博弈问题的形式化定义：博弈被定义为一个四元组：G,O,s(o),s(g) 其中：(1) G ={c}：博弈空间 (棋局或博弈状态的集合)(2) O ={o}：算子空间 (操作或规则的集合)(3) c(o)G：当前棋局或博弈状态 (最初即开局)(4) c(g)G：胜局或博弈目标集合应用 O 中的算子 (操作或规则) 对 c(o) 进行操作，使其有利于转换为胜局 c(g)c(g)的过程称为博弈。2.2 博弈问题的三要素：c(o)和 c(g)以及O(1) 操作 (又称规则或算子)：o: G G 或： c(j) = o(c(i)) (c(i),c(j)G ; oO)(2) 当前棋局 (最初是开局)：c(o)G (机器当前面对的棋局)(3) k-步博弈树：基于 c(o) 的 k-步博弈规划图03 机器博弈举例3.1 一字棋与极大极小算法3.1.1 Max-Min 博弈：Step1. 生成k-步博弈树Max代表机器一方/ Min 代表敌方 设 Max 面对的当前棋局为 c(o)，以 c(o)为根，生成 k-步博弈树Step2. 评估棋局(博弈状态)估价函数：为特定的博弈问题定义一个估价函数 est(c)，用以评估 k-步博弈树叶节点对应的棋局 cG，est(c) 的值越大，意味着棋局 c 对 Max 越有利。Step3. 回溯评估极大极小运算：由叶节点向根节点方向回溯评估，在Max处取最大评估值(或运算)，在Min处取最小评估值(与运算)。注：Max 按取最大评估值的方向行棋Step4. 递归循环Max 行棋后，等待 Min 行棋；Min 行棋后，即产生对于 Max 而言新的当前棋局 c(o);返回 Step1.，开始下一轮博弈 3.1.2 一字棋：设有 33 棋格，Max 与 Min 轮流行棋，黑先白后，先将 3 颗棋子连成一线的一方获胜。一字棋博弈空间 ：共有 9! 种可能的博弈状态一字棋算子空间 ：博弈规则集合O={*#!@^###+%$$$}一字棋博弈目标集合 (对 Max而言)：定义估价函数：est(c)(1)对于非终局的博弈状态 c估价函数为：est(c)=(所有空格都放上黑色棋子之后，3 颗黑色棋子连成的直线总数)－(所有空格都放上白色棋子之后，3 颗白色棋子连成的直线总数)。例如：c= 则est(c)=3–2=1(2)若 c 是 Max 的胜局，则：est(c) = + 例如：c= (3)若 c 是 Min 的胜局，则：est(c) = – 例如：c= 3.1.3 Max-Min 博弈过程：step1.以 c(o) = 为根，生成 2-步博弈树：step2.评估博弈树叶节点对应的博弈状态step3.进行极大极小运算(Max-Min运算)Max 按取最大评估值的方向行棋step4.等待 Min 行棋，产生新的 c(o)返回 step1.3.2 五子棋机器博弈问题var maxmin = function(board, deep) { var best = MIN; var points = gen(board, deep); //这个函数的作用是生成待选的列表，就是可以下子的空位 for(var i=0;ipoints.length;i++) { var p = points[i]; board[p[0]][p[1]] = R.com; //尝试下一个子 var v = min(board, deep-1); //找最大值 //如果跟之前的一个好，则把当前位子加入待选位子 if(v == best) { bestPoints.push(p); } //找到一个更好的分，就把以前存的位子全部清除 if(v best) { best = v; bestPoints = []; bestPoints.push(p); } board[p[0]][p[1]] = R.empty; //记得把尝试下的子移除 } var result = bestPoints[Math.floor(bestPoints.length * Math.random())]; //在分数最高的几个位置中随机选择一个