使用MinMax与Alpha一起寻找最佳举措
我正在为一款游戏开发人工智能，并且我想使用Alpha-Beta修剪的MinMax算法。
我对它是如何工作有一个粗略的想法，但我仍然无法从头开始编写代码，所以我花了最近两天在线寻找某种伪代码。
我的问题是，我在网上找到的每一个伪代码似乎都是基于找到最佳移动的价值，而我需要返回最佳移动本身而不是数字。
我目前的代码是基于这个伪代码（源代码）
minimax(level, player, alpha, beta){ // player may be "computer" or "opponent"
if (gameover || level == 0)
return score
children = all valid moves for this "player"
if (player is computer, i.e., max's turn){
// Find max and store in alpha
for each child {
score = minimax(level - 1, opponent, alpha, beta)
if (score > alpha) alpha = score
if (alpha >= beta) break; // beta cut-off
}
return alpha
} else (player is opponent, i.e., min's turn)
// Find min and store in beta
for each child {
score = minimax(level - 1, computer, alpha, beta)
if (score < beta) beta = score
if (alpha >= beta) break; // alpha cut-off
}
return beta
}
}
// Initial call with alpha=-inf and beta=inf
minimax(2, computer, -inf, +inf)
正如你所看到的，这段代码返回一个数字，我想这是使一切正常工作所必需的（因为在递归期间使用了返回的数字）。
所以我认为我可以使用外部变量来存储最佳移动，这就是我改变以前的代码的方法：
minimax(level, player, alpha, beta){ // player may be "computer" or "opponent"
if (gameover || level == 0)
return score
children = all valid moves for this "player"
if (player is computer, i.e., max's turn){
// Find max and store in alpha
for each child {
score = minimax(level - 1, opponent, alpha, beta)
if (score > alpha) {
alpha = score
bestMove = current child // ROW THAT I ADDED TO UPDATE THE BEST MOVE
}
if (alpha >= beta) break; // beta cut-off
}
return alpha
} else (player is opponent, i.e., min's turn)
// Find min and store in beta
for each child {
score = minimax(level - 1, computer, alpha, beta)
if (score < beta) beta = score
if (alpha >= beta) break; // alpha cut-off
}
return beta
}
}
// Initial call with alpha=-inf and beta=inf
minimax(2, computer, -inf, +inf)
现在，这对我来说是有意义的，因为我们需要更新最好的棋步，只有当棋手轮到他时，以及如果棋步比以前好。
所以，虽然我认为这是正确的（即使我不是100％肯定），但是该源代码还有一个java实现，即使在score < beta情况下也更新bestMove ，我不明白为什么。
尝试这种实施方式，导致我的代码选择最好的方式从对手角度出发，这似乎并不正确（假设我是黑人玩家，我正在寻找我可以做出的最佳举动我期待着一个“黑”的举动，而不是一个“白”的）。
我不知道我的伪代码（第二个）是否是使用MinMax进行alpha-beta修剪以找到最佳移动的正确方法，或者即使在得分<beta的情况下我需要更新最佳移动。
如果您愿意，请随时提出任何新的和伪装的伪代码，我不拘泥于任何内容，如果它比我的更好，我不介意重写一些代码。
编辑：
由于我无法理解答复，所以我想这个问题可能不会问我想知道什么，所以我试图在这里写得更好。
假设我想为一名球员获得最佳动作， 并且每次需要新动作（这样minmax(2, black, a, b)返回到MinMax函数在minmax(2, white, a ,b)为白色玩家返回最佳效果时minmax(2, white, a ,b)黑色玩家的最佳举动），你将如何改变第一个伪代码（或源代码中的java实现）来存储这个给定的最佳移动某处？
编辑2：
让我们看看我们是否可以这样做。
这是我的实施，你能告诉我，如果它是正确的？
//PlayerType is an enum with just White and Black values, opponent() returns the opposite player type
protected int minMax(int alpha, int beta, int maxDepth, PlayerType player) {
if (!canContinue()) {
return 0;
}
ArrayList<Move> moves = sortMoves(generateLegalMoves(player));
Iterator<Move> movesIterator = moves.iterator();
int value = 0;
boolean isMaximizer = (player.equals(playerType)); // playerType is the player used by the AI
if (maxDepth == 0 || board.isGameOver()) {
value = evaluateBoard();
return value;
}
while (movesIterator.hasNext()) {
Move currentMove = movesIterator.next();
board.applyMove(currentMove);
value = minMax(alpha, beta, maxDepth - 1, player.opponent());
board.undoLastMove();
if (isMaximizer) {
if (value > alpha) {
selectedMove = currentMove;
alpha = value;
}
} else {
if (value < beta) {
beta = value;
}
}
if (alpha >= beta) {
break;
}
}
return (isMaximizer) ? alpha : beta;
}
编辑3：
基于@ Codor的回答/评论的新实现
private class MoveValue {
public Move move;
public int value;
public MoveValue() {
move = null;
value = 0;
}
public MoveValue(Move move, int value) {
this.move = move;
this.value = value;
}
@Override
public String toString() {
return "MoveValue{" + "move=" + move + ", value=" + value + '}';
}
}
protected MoveValue minMax(int alpha, int beta, int maxDepth, PlayerType player) {
if (!canContinue()) {
return new MoveValue();
}
ArrayList<Move> moves = sortMoves(generateLegalMoves(player));
Iterator<Move> movesIterator = moves.iterator();
MoveValue moveValue = new MoveValue();
boolean isMaximizer = (player.equals(playerType));
if (maxDepth == 0 || board.isGameOver()) {
moveValue.value = evaluateBoard();
return moveValue;
}
while (movesIterator.hasNext()) {
Move currentMove = movesIterator.next();
board.applyMove(currentMove);
moveValue = minMax(alpha, beta, maxDepth - 1, player.opponent());
board.undoLastMove();
if (isMaximizer) {
if (moveValue.value > alpha) {
selectedMove = currentMove;
alpha = moveValue.value;
}
} else {
if (moveValue.value < beta) {
beta = moveValue.value;
selectedMove = currentMove;
}
}
if (alpha >= beta) {
break;
}
}
return (isMaximizer) ? new MoveValue(selectedMove, alpha) : new MoveValue(selectedMove, beta);
}
我不知道我是否正确或如果我做错了什么，但我回到了我发布问题时遇到的问题：
调用minMax(Integer.MIN_VALUE, Integer.MAX_VALUE, 1, PlayerType.Black)返回一个只能由白色播放器完成的移动，这不是我所需要的。
我需要给予球员最好的举动，而不是整个球队的最佳举措。
经过一些研究和大量时间浪费解决这个问题，我想出了这个似乎工作的解决方案。
private class MoveValue {
public double returnValue;
public Move returnMove;
public MoveValue() {
returnValue = 0;
}
public MoveValue(double returnValue) {
this.returnValue = returnValue;
}
public MoveValue(double returnValue, Move returnMove) {
this.returnValue = returnValue;
this.returnMove = returnMove;
}
}
protected MoveValue minMax(double alpha, double beta, int maxDepth, MarbleType player) {
if (!canContinue()) {
return new MoveValue();
}
ArrayList<Move> moves = sortMoves(generateLegalMoves(player));
Iterator<Move> movesIterator = moves.iterator();
double value = 0;
boolean isMaximizer = (player.equals(playerType));
if (maxDepth == 0 || board.isGameOver()) {
value = evaluateBoard();
return new MoveValue(value);
}
MoveValue returnMove;
MoveValue bestMove = null;
if (isMaximizer) {
while (movesIterator.hasNext()) {
Move currentMove = movesIterator.next();
board.applyMove(currentMove);
returnMove = minMax(alpha, beta, maxDepth - 1, player.opponent());
board.undoLastMove();
if ((bestMove == null) || (bestMove.returnValue < returnMove.returnValue)) {
bestMove = returnMove;
bestMove.returnMove = currentMove;
}
if (returnMove.returnValue > alpha) {
alpha = returnMove.returnValue;
bestMove = returnMove;
}
if (beta <= alpha) {
bestMove.returnValue = beta;
bestMove.returnMove = null;
return bestMove; // pruning
}
}
return bestMove;
} else {
while (movesIterator.hasNext()) {
Move currentMove = movesIterator.next();
board.applyMove(currentMove);
returnMove = minMax(alpha, beta, maxDepth - 1, player.opponent());
board.undoLastMove();
if ((bestMove == null) || (bestMove.returnValue > returnMove.returnValue)) {
bestMove = returnMove;
bestMove.returnMove = currentMove;
}
if (returnMove.returnValue < beta) {
beta = returnMove.returnValue;
bestMove = returnMove;
}
if (beta <= alpha) {
bestMove.returnValue = alpha;
bestMove.returnMove = null;
return bestMove; // pruning
}
}
return bestMove;
}
}
由于给定的代码不是实际的Java实现，所以这有点困难; 为了实现你想要的，必须有具体的类型来表示游戏树中的移动和位置。 通常游戏树并没有显式编码，而是以稀疏表示进行导航，其中实现将实际执行有问题的移动，递归地评估生成的较小问题并撤消移动，从而使用调用堆栈使用深度优先搜索，以便表示当前路径。
要获得实际的最佳举措，只需从您的方法中返回实例，以最大化后续评估。 首先实现Minimax算法而不使用alpha-beta-pruning可能会有所帮助，它会在基本结构工作后的后续步骤中添加。
从问题中的链接实施（第1.5节）实际上返回了最佳举措，如下面的评论所示。
/** Recursive minimax at level of depth for either
maximizing or minimizing player.
Return int[3] of {score, row, col} */
这里没有用户定义的类型来表示移动，但是该方法返回三个值，它们是评估的最佳分数和玩家将移动到实际执行最佳移动的坐标（实现已经完成以获得得分），这是实际移动的表示。
链接地址: http://www.djcxy.com/p/56379.html