人工智能博弈树的搜索45.pptxVIP

;20世纪60年代，研制出的西洋跳棋和国际象棋的博弈程序到达了大师级的水平。 1958约翰?麦卡锡提出博弈树搜索算法 1997年，IBM公司研制的“深蓝〞国际象棋 程序，采用博弈树搜索算法，该程序战胜了国际象棋世界冠军卡斯帕罗夫。;正在与深蓝下棋的卡斯帕罗夫;博弈问题特点： 双人对弈，轮流走步。 信息完备，双方所得到的信息是一样的。 零和，即对一方有利的棋，对另一方肯定是不利的，不存在对双方均有利或无利的棋。;博弈的特性 两个棋手交替地走棋 ； 比赛的最终结果，是赢、输和平局中的一种； 可用图搜索技术进行，但效率很低； 博弈的过程，是寻找置对手于必败态的过程； 双方都无法干预对方的选择。 ;2.Grundy 博弈;2.Grundy 博弈;2.Grundy 博弈;MIN先走;结点A是MAX的搜索目标，而结点B，C那么为MIN的搜索目标。;搜索策略要考虑的问题是： 对MIN走步后的每一个MAX结点，必须证明MAX对MIN可能走的每一个棋局对弈后能获胜，即MAX必须考虑应付MIN的所有招法，这是一个与的含意，因此含有MAX符号的结点可看成与结点。 ; 对MAX走步后的每一个MIN结点，只须证明MAX有一步能走赢就可以，即MAX只要考虑能走出一步棋使MIN无法招架就成，因此含有MIN符号的结点可看成或结点。 ; 对弈过程的搜索图呈现出与或图表示的形式。 实现一种取胜的策略就是搜索一个解图的问题，解图就代表一种完整的博弈策略。 ;中国象棋;对各个局面进行评估 评估的目的：对后面的状态提前进行考虑，并且以各种状态的评估值为根底作出最好的走棋选择。 评估的方法：用评价函数对棋局进行评估。赢的评估值设为+∞，输的评估值设为-∞，平局的评估值设为0。 评估的标准：由于下棋的双方是对立的，只能选择其中一方为评估的标准方。;MAX节点和MIN节点;另一方为“反方〞，对每个状态的评估都是对应于对手的输赢的。例如，赢2个，输一个，其实是指自己输2个，赢1个的。反方每走一步，都在选择使对手输得更多的节点，因此这类节点称为“MIN〞节点。; 由于正方和反方是交替走步的，因此MAX节点和MIN节点会交替出现。 ; 正方〔MAX节点〕从所有子节点中，选取具有最大评估值??节点。 反方〔MIN节点〕从其所有子节点中，选取具有最小评估值的节点。 反复进行这种选取，就可以得到双方各个节点的评估值。这种确定棋步的方法，称为极小极大搜索法。 ;3.极小极大搜索过程;;0; 在九宫格棋盘上，两位选手轮流在棋盘上摆各自的 棋子(每次一枚)，谁先取得三线的结果就取胜。 设程序方MAX的棋子用(×)表示， MAX先走。 对手MIN的棋子用(o)表示。 例如：; 估计函数 f(p)=(所有空格都放上MAX的棋子之后，MAX的三子成线数)－(所有空格都放上MIN的棋子之后，MIN的三子成线的总数) 假设P是MAX获胜的格局，那么f(p)=+∞ ； 假设P是MIN获胜的格局，那么f(p)＝-∞ 。;3.极小极大搜索过程;3.极小极大搜索过程;3.极小极大搜索过程;3.极小极大搜索过程; 设有一个摆放三个子的棋盘残局，如以下图所示，〇和╳在结束前有三步棋可以走，而且设走第一步的是╳ 。这时存在着三个空格A，B，C，用博弈树搜索算法判断应该把棋子放到哪一格内。 ;; 对于棋盘残局中的╳来说，最好的选择，是将╳放在C的位置上，这时可以导致平局局面。 ;?-?剪支法的引入 在极小极大法中，必须求出所有终端节点的评估值，当预先考虑的棋步比较多时，计算量会大大增加。为了提高搜索的效率，引入了通过对评估值的上下限进行估计，从而减少需进行评估的节点范围的?-?剪支法。; 作为正方出现的MAX节点，假设它的MIN子节点有N个，那么当它的第一个MIN子节点的评估值为?时，那么对于其它的子节点，如果有高过?的，就取那最高的值作为该MAX节点的评估值；如果没有，那么该MAX节点的评估值为?。 总之，该MAX节点的评估值不会低于?，这个?就称为该MAX节点的评估下限值。; MIN节点的评估上限值? 作为反方出现的MIN节点，假设它的MAX子节点有N个，那么当它的第一个MAX子节点的评估值为?时，那么对于其它子节点，如果有低于?的，就取那个低于?的值作为该MIN节点的评估值；如果没有，那么该MIN节点的评估值取?。 总之，该MIN节点的评估值不会高过?，这个?就称为该MIN节点的评估上限值。;?剪支法 ; 设MIN节点的上限为?，那么其所有的MAX子节点中，其评估值的?下限大于等于?的节点，其以下局部的