第三章 搜索技术.pptVIP

* * * * 与全局搜索树可以进行比较 尽管h(B） h(A),但是SBG并不是最优的路径 * * * * 用OPEN表和CLOSED表模拟A* * * * * * * * * * * * * * * * * * * */139 α-β剪枝技术 B A I H G F C Q P O N M L K I E D MAX MIN 2 8 1 3 -2 5 7 R 2 5 ≤ 1 MAX节点的下界 α≥ 2 MIN节点的上界β≤2 ≥5 α剪枝 β剪枝 */139 练习 对下图执行极小极大分析法 1.不考虑α—β剪枝技术 2.考虑α—β剪枝技术 */139 3 1 3 2 2 7 4 2 0 3 2 3 1 0 3 3 2 0 2 */139 * * * * * 这是与或图搜索之案例 * * * * * * * * 问题 （1）OPEN表和CLOSE表的作用？ （2）为什么对 OPEN表调序？ （3）为什么节点都有父节点信息？ （4）局部和全局区别？ * * * * * * * * * * * 启发函数定义有些时候是不客观的 * * * * 在PPT演示中，用毡尖笔将每个节点标出 S0, a, b ,c, d, e , f, g。 演示OPEN表和CLOSED表的状态变化 */139 机器博弈系统处理流程 棋局初始化 在预测深度内生成博弈树 搜 索 估 值 走步 */139 机器博弈中的搜索技术 博弈树 每一个结点表示一个棋局 每一个分支表示一种走法 根据预测深度构造博弈树 博弈搜索 目的：从所有可能走法中搜索出最佳的走法。 MAX/MIN的博弈树 假设博弈的我方为MAX，对手为MIN。 在博弈树中，那些下一步该MAX走步的节点称为MAX节点，而下一步该MIN走步的节点称为MIN节点。 这样，如果站在某一方(如MAX方，即MAX要取胜)，把上述博弈过程用图表示出来，则得到的是一棵“与或树”。 MAX MIN MAX MIN 博弈树是与或树 我方选最大值：从MAX方的观点看，所有可选择的走步之间是“或”的关系，选择最好的一步； 对手选最小值：所有可选择的走步之间是 “与”的关系，选择最坏的一步； 如何判断好坏：棋局打分 */139 极大极小搜索法 用当前正在考察的节点生成一棵博弈树 利用估价函数f(n)对叶节点进行静态评估； 对MAX有利的节点其估价函数取正值，如为MAX获胜节点，则取正无穷大； 对MIN有利的节点，其估价函数取负值，如为MAX认输节点，则取负无穷大； 那些使双方势均力敌的节点，其估价函数取0值。 （假设MAX为我方，MIN为对手方） */139 极大极小计算过程 从叶节点向上倒推计算非叶节点的值，直到当前考察节点的过程。 对于MAX节点（“或”节点）， MAX方总是选择对自己最好的走步，即估值最大的走步，因此MAX节点的倒推值应该取其后继节点估值的极大值。 对于MIN节点（“与”节点）， MAX方需做最坏的打算，考虑MIN方会选择对自己最好，从而对MAX方最坏的走步，即估值最小的走步，因此MIN节点的倒推值应取其后继节点估值的极小值。 最终，站在MAX的立场上，显然应选择具有最大倒推值的走步。 MINI 和 MAX MAX MIN MAX - 构造博弈树直到预测深度 - 从叶子节点开始计算倒推值 2 5 3 1 4 4 3 - 将倒推值向上传递: - 在MIN层（与节点） 选取最小值 2 1 3 在MAX（或节点）层 选取最大值 3 选择该 方向 下图给出了计算倒推值的示例。 3 */139 极大极小搜索例：一字棋游戏 设有一个三行三列的棋盘，两个棋手轮流走步，每个棋手走步时往空格上摆一个自己的棋子，谁先使自己的棋手成三子一线为赢。设MAX方的棋子用×标记，MIN方的棋子用 ○标记，并规定MAX方先走步。 一字棋棋盘 1. 若 P是 MAX的必胜局， 则 e(P) = +∞ ; 2. 若 P是 MIN的必胜局， 则 e(P) = -∞ ； 3. 若P对MAX、MIN都是胜负未定局，则 e(P) = e(+P)－e(-P)其中，e(+P)表示棋局 P上有可能使× 成三子一线的数目；e(-P)表示棋局 P上有可能使 ○成三子一线的数目。 例: e(P) ＝ 6 - 4＝2 估价函数e(P)： */139 在搜索过程中，具有对称性的棋局认为是同一棋局，以大大减少搜索空间。 对称棋局的例子 博弈树构造 博弈树的预测深度为2 每一步都从当前节点开始建立一棵