第3章(搜索推理技术4-博弈树搜索).pptVIP

第一阶段为1、2、3、4步，用宽度优先算法生成规定深度 k 的全部博弈树，然后对其所有端节点计算 e(P) 第二阶段为5、6、7、8步，是自下而上逐级求节点的倒推估价值，直至求出初始节点的 e(S) 为止，再由 e(S) 选得相对较好的走法，过程结束 算法分成两个阶段： 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 极大极小过程 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 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 极大极小搜索过程由两个完全分离的两个步骤组成： 第一、用宽度优先算法生成一棵博弈搜索树 第二、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 要求掌握的算法： 极大极小搜索过程 * 人 工 智 能 Artificial Intelligence (AI) 第3章 搜索推理技术 3.1 图的搜索策略 3.2 盲目搜索 3.3 启发式搜索 3.4 与或树搜索（补充） 3.5 博弈树搜索（补充） 3.6 消解原理 3.5.1 博弈问题的表达 3.5.2 极大极小过程 3.5 博弈树搜索 3.5.1 博弈问题的表达 博弈是一类具有竞争性的智能活动 双人博弈：即两位选手对垒，轮流依次走步，其中任何一方都完全知道对方过去已经走过的棋步和今后可能的走步，其结果是一方赢(而另一方则输)，或双方和局 博弈的例子： 一字棋 跳棋 中国象棋 围棋 五子棋 双方的智能活动，任何一方都不能单独控制博弈过程，而是由双方轮流实施其控制对策的过程 博弈的特点： 如何根据当前的棋局，选择对自己最有利的一步棋 ？ 人工智能中研究的博弈问题： 中国象棋 用博弈树来表示，它是一种特殊的与或树。节点代表博弈的格局（即棋局），相当于状态空间中的状态，反映了博弈的信息， 并且与节点、或节点隔层交替出现 博弈问题（求解过程）的表