在制作井字游戏机器人时，我在试图理解“树”时遇到了很大的困难。我理解这个概念，但我不知道如何实现它们。
有人可以向我展示一个如何为这种情况生成树的示例吗？还是生成树的好教程？我想困难的部分是生成部分树。我知道如何实现生成一整棵树，但不知道它的一部分。
【问题讨论】：
标签： c++ tree artificial-intelligence tic-tac-toe
想象一下，在井字游戏中的任何一点，每一个可能的动作都是一个分支。板的当前状态是根。一个动作是一个分支。现在假设（一次一个），每个分支都成为当前状态。每个可能的移动都成为一个新的分支。树的叶子是当最后一步完成并且棋盘已满时。
你需要一棵树的原因是，一旦它建成，你需要找出哪个分支有最多的叶子，这是“获胜”的场景。您构建所有可能结果的分支，将获胜的总数相加，然后采取最终有机会获得最多胜利的行动。
让树变成这样：
class Node {
public:
std::list< Node > m_branches;
BoardState m_board;
int m_winCount;
}
std::list< Node > tree;
现在，您遍历树中的分支列表，并为每个分支遍历其分支。这可以通过递归函数来完成：
int recursiveTreeWalk( std::list< Node >& partialTree)
{
for each branch in tree
if node has no branches
calculate win 1/0;
else
recursiveTreeWalk( branch );
partialTree.m_winCount = sum of branch wins;
}
// initial call
recursiveTreeWalk( tree )
非常伪代码。
【讨论】：
我认为您不需要在内存中保留一棵树。您只需要实现一个递归函数，其工作原理如下：
Move getBestMove(Board state, boolean myTurn)
然后您只需递归，直到您达到获胜、失败或平局状态。
如果您将调用堆栈画在纸上，随着时间的推移，它会看起来像一棵树。您应该返回导致对手（肯定/最有可能）失败的节点的移动（即使他也使用 getBestMove 玩）
但是，对于像井字游戏一样小的状态空间，您可以简单地使用最佳动作进行完整的查找表！ :-)
【讨论】：
您可能会觉得这篇 codeproject 文章很有趣：
Solve Tic Tac Toe with the MiniMax algorithm
它是在 C# 中的，但在 C++ 中改编它不会有任何问题。
当我尝试用 C++ 实现我的第一个井字游戏时，这篇文章对我来说也是一本不错的读物：
【讨论】：
如果你想在内存中生成树（这不是必需的），也许可以使用如下算法（伪代码）：
GenTree(State s):
T <- empty tree // T is a tree of States
SetRoot(T, s)
ForEach (s' in Successors(s)):
AddChild(T, GenTree(s'))
return T
// Call it
GenTree(currentMove)
在哪里
Successors(s) // returns a list of successor states of s
AddChild(p, n) // adds n to the list of p's children
【讨论】：
实现井字游戏可能是 AI 方面最简单的问题 和搜索空间。
关键是用Minimax、Iterative deepening Depth-first search和Alpha-beta pruning算法解决问题。
这是我用 Python 编写的游戏 implementation，它只有大约 200 行代码，并且能够以 Human vs. Human、Human vs. Computer 和 Computer vs. Computer 玩游戏。它还保留有关深度和达到/修剪的节点数量的统计信息，以达到最佳移动。
我强烈推荐edX.org人工智能course，它提供了当前人工智能主题和解决方案的基础知识。
【讨论】：