这个井字游戏的伪代码是否正确？答案

【问题标题】：is this pseudocode for tic tac toe is correct?这个井字游戏的伪代码是否正确？
【发布时间】：2014-01-20 16:20:34
【问题描述】：

我是 AI 新手，我正在尝试使用 minimax 算法实现井字游戏，但在开始之前，我想检查一下我对实现的理解：

首先在移动的每一步根据我的网格的当前状态创建决策树，在决策树完成后，我将应用 minmax 来标记树，然后根据该标记进行选择，然后再次找到最佳下一步从头开始为所选移动制作决策树，并再次应用 minmax 并选择最佳移动。这是我设计的伪代码：

move(current state)
{
  tree=make_decision-tree(current state);
  maxminalg(tree);
  choose the best move according to the returned max or min from the tree
  foreach (choice in choosen state)
    move(choice)        
}
make_decision-tree(current state)
{
    ....
}
maxminAlg(decisiontree t)
{
   return max or min
}

我的问题是我设计的这个程序是否正确（因为如果它正确，那么我可以开始编写代码），如果不是，您的建议是什么？

【问题讨论】：

适合学习正确的 AI 概念，但对于只有大约 20,000 种可能游戏状态的游戏，您可能不需要极小极大 :-)
只是为了确保我的理解，当我为每一个新动作制定决策树时是否合理？

标签： artificial-intelligence decision-tree

【解决方案1】：

minimax 变得如此复杂，如此之快。

这篇文章确实为这个话题提供了很多启示：Simple tic-tac-toe AI

【讨论】：

只是为了确保我的理解，当我为每一个新动作制定决策树时是否合理？
我会说是的，否则你真的会让我每一步“做出决定”吗？
例如，做一次决策树然后在每次新动作中使用它来做决策有什么问题？（虽然我认为在每一步重新创建决策树更合理）
现在你在谈论创建一个单独的抽象决策树函数并调用它吗？这真的更像是一个效率问题，对吧？
取决于语言，在大多数解释语言中通常是这样，但在像 C++ 这样你严格控制范围的地方，它可能一直重新创建它会更有效。此外，如果您的决策树概念非常动态，则无论您是否通过引用调用它，您每次都可能在内存中重新创建它。