【问题标题】:Improving Performance of this MiniMax with AlphaBeta Pruning通过 Alpha Beta Pruning 提高 MiniMax 的性能
【发布时间】:2015-12-13 00:22:01
【问题描述】:

我有以下用于黑白棋(黑白棋)游戏的 alpha beta minimax 实现。我已经从this 线程修复了一些问题。这次我想提高这个功能的性能。 MAX_DEPTH = 8 需要很长时间。可以做些什么来加快性能,同时保持 AI 不错?

mm_out minimax(Grid& G, int alpha, int beta, Action& A, uint pn, uint depth, bool stage) {
    if (G.check_terminal_state() || depth == MAX_DEPTH) {
        return mm_out(A, G.get_utility(pn));
    }

    // add end game score total here

    set<Action> succ_temp = G.get_successors(pn);
    for (Action a : succ_temp) {
        Grid gt(G);
        a.evaluate(gt);
    }
    set<Action, action_greater> successors(succ_temp.begin(), succ_temp.end());

    // if no successor, that player passes
    if (successors.size()) {
        for (auto a = successors.begin(); a != successors.end(); ++a) {
            Grid gt(G);
            gt.do_move(pn, a->get_x(), a->get_y(), !PRINT_ERR);
            Action at = *a;
            mm_out mt = minimax(gt, alpha, beta, at, pn ^ 1, depth + 1, !stage);
            int temp = mt.val;
//          A = mt.best_move;

            if (stage == MINIMAX_MAX) {
                if (alpha < temp) {
                    alpha = temp;
                    A = *a;
                }
                if (alpha >= beta) {
                    return mm_out(A, beta);
                }
            }
            else {
                if (beta > temp) {
                    beta = temp;
                    A = *a;
                }
                if (alpha >= beta) {
                    return mm_out(A, alpha);
                }


}
    }
    return mm_out(A, (stage == MINIMAX_MAX) ? alpha : beta);
}
else {
    return mm_out(A, (stage == MINIMAX_MAX) ? (std::numeric_limits<int>::max() - 1) : (std::numeric_limits<int>::min() + 1));
}

}

实用功能:

int Grid::get_utility(uint pnum) const {
    if (pnum)
        return wcount - bcount;
    return bcount - wcount;
}

【问题讨论】:

  • MCVE 不应包含非严格需要的代码(例如调试输出)。请编辑您的问题以将其删除。
  • 完成。感谢您的告知。

标签: c++ artificial-intelligence minimax alpha-beta-pruning


【解决方案1】:

有几种方法可以加快搜索功能的性能。如果您正确实施这些技术,它们在修剪许多节点时对算法的准确性造成的损害非常小。

  • 您可以实施的第一种技术是转置表。转置表将游戏搜索树中所有以前访问过的节点存储在哈希表中。大多数游戏状态,尤其是在深度搜索中,可以通过各种换位或在相同最终状态中恢复的移动顺序来达到。通过存储之前搜索过的游戏状态,如果您发现已经搜索过的状态,您可以使用存储在表中的数据并在该节点处停止深化搜索。将游戏状态存储在哈希表中的标准技术称为 Zobrist Hashing。有关转置表实施的详细信息,请访问网络。
  • 您的程序应该包括的第二件事是移动顺序。这实质上意味着检查移动的顺序不是您生成它们的顺序,而是按照似乎最有可能产生 alpha beta 截止的顺序(即好的移动首先)。显然,您无法知道哪些动作是最好的,但大多数动作都可以使用一种简单的技术来排序。例如,在黑白棋中,应该首先检查在角落或边缘的移动。排序移动应该会导致更多的截止和搜索速度的提高。这对准确性造成零损失。

  • 您还可以添加打开的书籍。通常,开局的搜索时间最长,因为棋盘上充满了更多的可能性。开局书是一个数据库,存储了前几轮可能做出的每一个可能的动作,以及对它的最佳反应。,在奥赛罗,分支因子较低,这在开局比赛中特别有用

  • Probcut。我不打算在这里详细介绍,因为这是一种更先进的技术。然而,它与奥赛罗有很好的效果,所以我想我会发布这个链接。https://chessprogramming.wikispaces.com/ProbCut

【讨论】:

  • 感谢您的回复!自从我发帖以来,我已经完成了第二次,我注意到速度有一个小但显着的提高。我去看看其他的。
猜你喜欢
  • 1970-01-01
  • 2021-12-09
  • 1970-01-01
  • 2021-05-13
  • 2021-10-22
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多