人工智能课件cmt_第三章_搜索策略.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * g(n)值-取至今已发现的自s到n的实际路经代价 * * * * * * 博弈树特点： (1)博弈的初始状态是初始节点； (2)博弈树的“与”节点和“或”节点是逐层交替出现的； (3)整个博弈过程始终站在某一方的立场上，所以能使自己一方获胜的终局都是本原问题，相应的节点也是可解节点，所有使对方获胜的节点都是不可解节点。 * * 在人工智能中可以采用搜索方法来求解博弈问题，下面就来讨论博弈中两种最基本的搜索方法。  * * 极大极小过程 极大极小过程是考虑双方对弈若干步之后，从可能的走法中选一步相对好的走法来走，即在有限的搜索深度范围内进行求解。 需要定义一个静态估价函数f,以便对棋局的态势做出评估。 * * 这个函数可以根据棋局的态势特征进行定义。假定对弈双方分别为MAX和MIN，规定： 有利于MAX方的态势：f(p)取正值 有利于MIN方的态势：f(p)取负值 态势均衡的时候：f(p)取零 其中p代表棋局。 * * MINMAX基本思想： (1)当轮到MIN走步的节点时（取与时），MAX应考虑最坏的情况（即f(p)取极小值）。 (2)当轮到MAX走步的节点时（取