如果我使用 4 行创建 5x5 tictactoe ai，最好使用什么算法。我们应该使用的原始算法是极小极大，但我们每轮只有 10 秒。
【问题讨论】：
标签： algorithm artificial-intelligence tic-tac-toe
如果您想构建一个高质量的播放器，您可以实施许多重要的增强功能。
首先当然是alpha-beta pruning，但还有其他几种技术可以使 alpha-beta 修剪更加有效。
其次，由于时间限制很重要，您应该添加迭代深化。也就是说，您首先搜索深度 1，然后搜索深度 2，依此类推。当时间用完时，您会从先前完成的迭代中采取最佳移动。因为树呈指数增长，所以您不会从之前的迭代中真正失去任何东西。 （分支因子为 2 时，开销是因子 2，但随着分支因子的进一步增加，此开销将降至零。）
第三，使用history heuristic 订购您的搜索。在小迭代中，您将学习到更好的状态排序，以便在以后的迭代中更接近最优排序（用于 alpha-beta 修剪）。
第四，使用transposition table 避免重复状态。搜索树时会发生许多转置，及早检测它们将导致显着节省。 （这可能会比历史启发式产生更大的影响。）
最后，构建可能的最佳评估函数。你在评估状态方面做得越好，你玩的就越好。 （在极限情况下，完美的评估只需要 1 层搜索即可完美播放。）
当然，如果你能解决游戏，那就去做吧。 5x5 tic-tac-toe 中只有 3^25 (847,288,609,443) 种可能的状态，因此使用动力强劲的机器可以解决游戏，为您提供完美的评估功能。
【讨论】：
既然您提到了极小极大算法，我想向您推荐一个稍微复杂的极小极大变体，称为alpha-beta pruning。 Alpha-beta 剪枝避免了称为剪枝的搜索空间的一部分。我鼓励你阅读这个article。
您可以遍历搜索树直到深度 5 或您的时间允许的任何时间。请不要这样说，我并不是说 alpha-beta 剪枝是最好的，但我建议剪枝技术在时间复杂度方面可能比 minimax 更有优势。
其他资源：
【讨论】：