第五章对抗搜索.ppt

截断搜索 用if CUTOFF-TEST(state, depth) then return EVAL(state)代替?–?算法中TERMINAL-TEST所在的两行，或 使用迭代搜索：当时间用完时，程序就返回目前完成最深的搜索所选择的招数。 由于评价函数的近似性，上述方法可能导致错误。 （a）黑棋有1个马、2个 兵的优势，能够取胜。 （b）黑棋会被白棋吃掉皇后，从而失败。 截断搜索（续） 需要更为复杂的截断测试，评价函数应该只用于那些静止的棋局（静态棋局）。 非静止的棋局可以进一步扩展直到静止的棋局，这种额外的搜索称为静态搜索。 截断搜索（续） 地平线效应：指对手招数导致我方严重损失并且从理论上基本无法避免。 单步延伸是避免地平线效应的一种策略 这样做可能超过深度限制，但由于单步延伸很少，不会增加太多开销。 对这两节所介绍的技术的总结 假设已经实现： 国际象棋的评价函数 使用静止搜索的合理截断测试 一个很大的调换表 那么在“最新的PC”上可每秒生成和评价约一百万个节点，允许我们在标准时间控制下对每步棋可搜索约2亿个节点，而 国际象棋的分支因子平均为35，355约为5亿。 第五章、对抗搜索 博弈中的优化决策 ?–?剪枝：允许我们忽略那些不影响最后决定的部分搜索树 不完整的实时决策 包含几率因素的游戏 部分可观察博弈 博弈程序的当前发展水平 计算机科学技术学院 MAX-VALUE(state)=maxaction aMIN-VALUE(RESULT(a,state)) * 正线性变换 * 第五章 对抗搜索 主讲：徐缙 第五章、对抗搜索 在有其它智能体计划与我们对抗的世界中如何预先计划 博弈的概念 数学中的博弈论把任何多智能体环境看成是一种博弈游戏，其中每个智能体对其它智能体的影响是“显著的”，与智能体是合作的还是竟争的无关。 AI中的博弈通常指有完整信息的、确定性的、轮流行动的、两个游戏者的零和游戏。 游戏因为难解而令人感兴趣！ 第五章、对抗搜索 博弈中的优化决策 ?–?剪枝：允许我们忽略那些不影响最后决定的部分搜索树 不完整的实时决策 包含几率因素的游戏 部分可观察博弈 博弈程序的当前发展水平 例子：MAX和MIN 问题的表述：MAX先行，然后两人轮流出招，直到游戏结束。在游戏的最后，给优胜者加分，给失败者罚分。 初始状态，包括棋盘局面和确定该哪个游戏者出招。 ACTION(s)后继函数，返回(move, state)。 TERMINAL-TEST(s)终止测试 UTILITY(s,p)效用函数：对终止状态给出一个数值。 例子：井子棋游戏-博弈树 最优策略 最优解是导致取胜的终止状态的一系列招数 但，在游戏中MIN还有发言权 在对手不犯错误时，最优策略能够导致至少不比任何其它策略差的结果。 一颗两层的博弈树 最优策略的确定 通过检查每个节点的极小极大值来决定，记为MINMAX-VALUE(n)。 极小极大值的递归算法 多人游戏中的最优决策 第五章、对抗搜索 博弈中的优化决策 ?–?剪枝：允许我们忽略那些不影响最后决定的部分搜索树 不完整的实时决策 包含几率因素的游戏 部分可观察博弈 博弈程序的当前发展水平 ?–?剪枝 极小极大值搜索的时间复杂度是O(bm) 剪枝：剪裁掉那些不影响最后决策的分支。 一般原则：考虑在树中某处的节点n，如果游戏者在n的父节点或上层的任何节点有一个更好的选择m，那么在实际的游戏中就永远不会到达n，即n被剪裁掉。 例子 ?–?剪枝：如果m比n好，我们就不会走到n。 ?–?剪枝 ?＝到目前为止我们在路径上的任意选择点发现的MAX的最佳选择 ?＝到目前为止我们在路径上的任意选择点发现的MIN的最佳选择 ?–?剪枝的效率很大程度上取决于检查后继的顺序 如果能够先检查那些可能最好的后继，那么算法的时间复杂度为O(bd/2)。 ?–?剪枝算法 处理搜索树中的重复状态 在游戏中重复状态的频繁出现往往是因为调换—导致同样棋局的不同行棋序列的排列 例如，[a1, b1, a2, b2]和[a2, b2, a1, b1]都结束于同样的棋局。 解决办法：第一次遇见某棋局时将对它的评价存储在哈希表中（该哈希表称为调换表）。 第五章、对抗搜索 博弈中的优化决策 ?–?剪枝：允许我们忽略那些不影响最后决定的部分搜索树 不完整的实时决策 包含几率因素的游戏 部分可观察博弈 博弈程序的当前发展水平 不完整的实时决策：对MINIMAX或?–?算法的改进 ?–?算法依然要搜索至少一部分空间直到终止状态，这样的搜索不现实。 Shannon提出： 用估计棋局效用值的启发式评价函数EVAL代替效用函数 用可以决策什么时候运用EVAL的截断测试取代终止测试 不完整的实时决策 因此得到如下的启发式极小极大值，s为状态