人工智能导论-第二章对抗搜索.pptVIP

*早就被提出，但是直到有了电子计算机才被广泛应用（有了伪随机数）。蒙特卡洛：摩洛哥的一个著名赌场的名字*在给定时间达到之前重复该过程，随时可以得到结果。*1，了解不够的节点希望多了解，应优先考虑；2，对当前为止获利高的节点，希望优先。二者要均衡**第二章对抗搜索对抗搜索：博弈博弈问题极小极大方法?-?剪枝蒙特卡洛博弈方法**2.1博弈问题博弈问题双人一人一步双方信息完备零和*分钱币问题（7）（6,1）（5,2）（4,3）（5,1,1）（4,2,1）（3,2,2）（3,3,1）（4,1,1,1）（3,2,1,1）（2,2,2,1）（3,1,1,1,1）（2,2,1,1,1）（2,1,1,1,1,1）对方先走我方必胜中国象棋*01一盘棋平均走50步，总状态数约为10的161次方。02假设1毫微秒走一步，约需10的145次方年。03结论：不可能穷举。2.2极小极大过程*05-333-3022-30-23541-30689-30-33-3-3-21-36-30316011极大极小ab022.3?-?剪枝*极大节点的下界为?。极小节点的上界为?。剪枝的条件：后辈节点的?值≤祖先节点的?值时，?剪枝后辈节点的?值≥祖先节点的?值时，?剪枝简记为：极小≤极大，剪枝极大≥极小，剪枝?-?剪枝（续）*486-315035-33-3022-30-2309-300-303305411-31661abcdefghijkmn2.4蒙特卡洛博弈方法*为什么?-?剪枝方法在围棋上失效？?-?剪枝方法存在的问题依赖于局面评估的准确性局面评估问题大量专家知识知识的统一性问题人工整理围棋落子模型*围棋对弈过程可以看做一个马尔科夫过程：五元组：{T，S，A(i)，P(·|i,a)，r(i,a)}T：决策时刻S：状态空间，S={i}A(i)：可行动集合（可落子点）P(·|i,a)：状态i下选择行动a的概率r(i,a)：状态i下选择行动a后课获得的收益蒙特卡洛方法*二十世纪40年代中期S.M.乌拉姆和J.冯·诺伊曼提出的一种随机模拟方法多重积分矩阵求逆线性方程组求解积分方程求解偏微分方程求解随机性问题模拟蒲丰投针问题*1777年法国科学家蒲丰提出一种计算π的方法：取一张白纸，在上面画上许多条间距为d的等距平行线，另取一根长度为l（ld）的针，随机地向该纸上投掷针，并记录投掷次数n以及针与直线相交的次数m，据此计算π值。dx(x,α)决定了针的位置针与直线的相交条件：x≤(l/2)·sinα其中：x∈[0,d/2],α∈[0,π]lα123451黄颜色部分与长方形面积之比即为针与直线相交的概率2d/23π4α50蒙特卡洛评估*从当前局面的所有可落子点中随机选择一个点落子重复以上过程直到胜负可判断为止经多次模拟后，选择胜率最大的点落子蒙特卡洛规划*解决马尔科夫决策问题的有效方法之一基本思想与特点：将可能出现的状态转移过程用状态树表示从初始状态开始重复抽样，逐步扩展树中的节点某个状态再次被访问时，可以利用已有的结果，提高了效率在抽样过程中可以随时得到行为的评价蒙特卡洛规划的步骤*01选择从根节点出发自上而下地选择一个落子点02扩展向选定的点添加一个或多个子节点03模拟对扩展出的节点用蒙特卡洛方法进行模拟04回溯根据模拟结果依次向上更新祖先节点估计值更新过程*设ni为当前要模拟的节点，△为模拟获得的收益对ni及其祖先的模拟次数加1ni的收益加△更新ni的祖先的收益，同类节点加△，非同类节点减△（这里节点的类型按照极大极小节点划分）蒙特卡洛规划算法流程*两方面的因素：选择落子点的策略*01对尚未充分了解的节点的探索02对当前具有较大希望节点的利用多臂老虎机模型**早就被提出，但是直到有了电子计算机才被广泛应用（有了伪随机数）。蒙特卡洛：摩洛哥的一个著名赌场的名字*在给定时间达到之前重复该过程，随时可以得到结果。*1，了解不够的节点希望多了解，应优先考虑；2，对当前为止获利高的节点，希望优先。二者要均衡**