在 Minimax 期间，我们实际上在哪里分配最佳移动？答案

【问题标题】：Where do we actually assign the best move during Minimax?在 Minimax 期间，我们实际上在哪里分配最佳移动？
【发布时间】：2019-11-22 16:51:34
【问题描述】：

我对 minimax 和 alpha beta 修剪在返回“最佳价值”方面的工作方式有很好的理解。但是我不确定应该在哪里分配“最佳移动”。

我知道最好的移动需要来自传入的原始棋盘，并且由于我正在寻找最大值，因此必须在最大化玩家下分配它。但是，使用我当前的代码会导致一次又一次地重新分配最佳操作。
例如如果原来的棋盘是O--\n---\n---，那么最好的动作就变成了
OX-\n---\n---，然后重新分配给O-X\n---\n---等等。

public int minimax(Board board, int depth, boolean maximizing,int alpha,int beta) {
    int bestValue;
    if (board.isTerminal()) {
        bestValue = board.calculateValue();
    } else if (maximizing) {
        bestValue = alpha;
        for (Action action : board.makePossibleActions()) {
            int childValue = minimax(board.makeCopy().takeAction(action),depth+1,false,bestValue,beta);
            if (bestValue <= childValue) {
                bestValue = childValue;
                if (board.equals(originalBoard)) {
                    bestAction = action;
                }
            }
            bestValue = Math.max(bestValue,childValue);
            if (beta <= bestValue) {
                break;
            }
        }
    } else {
        bestValue = beta;
        for (Action action : board.makePossibleActions()) {
            int childValue = minimax(board.makeCopy().takeAction(action),depth+1,true,alpha,bestValue);
            bestValue = Math.min(bestValue,childValue);
            if (bestValue <= alpha) {
                break;
            }
        }
    }
    return bestValue;
}

【问题讨论】：

标签： java artificial-intelligence tic-tac-toe minimax alpha-beta-pruning

【解决方案1】：

你知道 root 是一个最大玩家。
您还知道深度（0 或 1，取决于您如何进行初始调用）。

因此，如果要玩最大玩家，则您位于树的根部，并且更新了最大移动的值，然后还将移动存储在类变量中以返回。（不要取最大值，而是测试该值是否更大，然后将最大值和最佳移动一起更新。）

【讨论】：

【解决方案2】：

根据游戏的复杂性，实际的极小极大算法实现需要其中一些功能。

1) 棋盘的低级实现，可以快速分析位置并生成有效动作。

2) 一个哈希表，用于输入每个哈希键的评估分数和移动，这也将有助于强制移动。

3) 一个移动表，用于输入所有先前的移动以及相应的哈希键，以帮助避免重复移动并协助撤消和重做移动。

4) 由于需要响应式 GUI 用户界面，因此极小极大算法可以在后台实现，最好在另一个线程上实现。

5) 实际上需要迭代深化搜索，因为玩家可能喜欢使用强制移动或改变游戏级别。

因此，在评估了最佳移动之后，我更愿意将结果传递给主调用线程。

【讨论】：