如何为 Min-Max 算法编写分析函数？答案

【问题标题】：How to write Analysis function for Min-Max Algorithm?如何为 Min-Max 算法编写分析函数？
【发布时间】：2016-11-28 11:18:46
【问题描述】：

我正在尝试为类似于井字游戏的游戏编写 AI 代码。你可以看到它的规则here。

我正在使用的min-max算法和分析函数可以找到here

到目前为止我尝试过的方式：

我已经建立了一些适合当前玩家的模式。（在 Python 中）

例如my_pattern = " ".join(str(x) for x in [piece, None, piece, piece, None])

我将此类图案与六角形游戏板上每块的所有 6 种可能方向进行匹配（不适用于空白区域）。准确地说，将my_pattern 与 6 个不同的阵列匹配（每个阵列代表 6 个不同方向之一）。

现在，这个分析函数实际上应该计算什么？

整个棋盘状态得分？
上一步棋的得分？

如果有人能准确描述分析功能的用途，那就太好了。

【问题讨论】：

标签： algorithm game-theory minmax

【解决方案1】：

分析函数表示板子的当前状态。它可能/可能不包括最后一步、任何先前的移动或到达棋盘位置的移动顺序。它还应该考虑轮到谁玩。

我的意思是，同一块棋盘对白/黑可能是好是坏，这取决于轮到谁。（在象棋中称为zugzwang的情况）。

此外，同一个棋盘可以通过多种移动顺序到达，因此，是否要将其包含在分析中取决于游戏的类型。（高级国际象棋引擎肯定包括移动顺序，虽然不是用于计算当前棋盘，但用于进一步分析到达该位置的可能性）。然而，在这个游戏中，我认为您的分析功能不需要包含最后或任何先前的移动（顺序）。

编辑：

分析函数示例：

value = 10000*W(4) - 10000*W(3) + 200*W(2.1) + 200*W(1.2) + 100*W(2) + 100*W(1.1) + 2*W(1e) + 10*W(1m) + 30*W(1c) - (10000*B(4) - 10000*B(3) + 200*B(2.1) + 200*B(1.2) + 100*B(2) + 100*B(1.1) + 2*B(1e) + 10*B(1m) + 30*B(1c))

地点：

W = white
B = black pieces
4 = made line of 4 pieces
3 = made line of 3 pieces
2 = made line of 2 pieces having possibility of getting extended to 4 from atleast one side
. = blank (ie, 1.2 = W.WW on the board)
1.1 = Piece|Blank|Piece and possibility of extending to 4 from atleast one side
e|m|c = edge|middle|center of board, and possibility of extending to 4 from either sides

这个分析函数的正值表示白方更好，0表示平衡板，负值表示黑方有优势。您可以根据将要执行的测试结果更改权重。然而，找到所有可能的组合是一项艰巨的任务，但游戏就是这样:)

【讨论】：

那么，分析函数应该返回什么Min-Max算法呢？我应该根据什么来计算分数？