univasity
- 浏览: 801486 次
- 性别:
- 来自: 广州
-
最新评论
-
mixture：
语句int num1, num2;的频度为1；语句i=0;的频 ...
算法时间复杂度的计算 [整理] -
zxjlwt：
学习了。http://surenpi.com
[问题解决]Error: ShouldNotReachHere() [整理] -
Animal：
谢谢 楼主 好东西
算法时间复杂度的计算 [整理] -
univasity：
gaidandan 写道缓存失败，，模拟器上可以缓存，同样代码 ...
[开发总结]WebView使用中遇到的一些问题&解决 -
blucelee2：
那么麻烦干吗，而且这种方法会导致，当拉太小的时候样式会丢掉，整 ...
[SWT]SashForm中固定单侧大小（&实现面板隐藏）
极小极大的定义
Minimax算法
又名极小化极大算法，是一种找出失败的最大可能性中的最小值的算法（即最小化对手的最大得益）。通常以递归形式来实现。
Minimax算法常用于棋类等由两方较量的游戏和程序。该算法是一个零总和算法，即一方要在可选的选项中选择将其优势最大化的选择，另一方则选择令对手
优势最小化的一个，其输赢的总和为0（有点像能量守恒，就像本身两个玩家都有1点，最后输家要将他的1点给赢家，但整体上还是总共有2点）。很多棋类游戏
可以采取此算法，例如tic-tac-toe。
关于极小极大，更多的信息可参考以下文章：
以TIC-TAC-TOE为例
tic-tac-toe就是我们小时候玩的井字棋（我这边习惯叫“井字过三关”），不熟悉的可以参考wiki
。
一般X的玩家先下。设定X玩家的最大利益为正无穷（+∞），O玩家的最大利益为负无穷（-∞），这样我们称X玩家为MAX（因为他总是追求更大的值），成O玩家为MIN（她总是追求更小的值），各自都为争取自己的最大获益而努力。
现在，让我们站在MAX的立场来分析局势（这是必须的，应为你总不能两边倒吧，你喜欢的话也可以选择MIN）。由于MAX是先下的（习惯上X的玩家先下），于是构建出来的博弈树如下(前面两层)：
MAX总是会选择MIN最大获利中的最小值（对MAX最有利），同样MIN也会一样，选择对自己最有利的（即MAX有可能获得的最大值）。有点难理解，其实就是自己得不到也不给你得到这样的意思啦，抢先把对对手有利的位置抢占了。你会看出，这是不断往下深钻的，直到最底层（即叶节点）你才能网上回溯，确定那个是对你最有利的。
具体过程会像是这么一个样子的：
具体过程会像是这么一个样子的：
但实际情况下，完全遍历一颗博弈树是不现实的，因为层级的节点数是指数级递增的：
层数 节点数
0 1
1 9
2 72
3 504
4 3024
5 15120
6 60480
7 181440
8 362880
完全遍历会很耗时...一般情况下需要限制深钻的层数，在达到限定的层数时就返回一个估算值（通过一个启发式的函数对当前博弈位置进行估值），这样获得的值就不是精确的了（遍历的层数越深越精确，当然和估算函数也有一定关系），但该值依然是足够帮助我们做出决策的。于是，对耗时和精确度需要做一个权衡。一般我们限定其遍历的深度为6（目前多数的象棋游戏也是这么设定的）。
于是，我们站在MAX的角度，评估函数会是这样子的：
static final int INFINITY = 100 ; // 表示无穷的值
static final int WIN = +INFINITY ; // MAX的最大利益为正无穷
static final int LOSE = -INFINITY ; // MAX的最小得益（即MIN的最大得益）为负无穷
static final int DOUBLE_LINK = INFINITY / 2 ; // 如果同一行、列或对角上连续有两个，赛点
static final int INPROGRESS = 1 ; // 仍可继续下（没有胜出或和局）
static final int DRAW = 0 ; // 和局
static final int [][] WIN_STATUS = {
{ 0, 1, 2 },
{ 3, 4, 5 },
{ 6, 7, 8 },
{ 0, 3, 6 },
{ 1, 4, 7 },
{ 2, 5, 8 },
{ 0, 4, 8 },
{ 2, 4, 6 }
};
/**
* 估值函数，提供一个启发式的值，决定了游戏AI的高低
*/
public int gameState( char [] board ) {
int result = INPROGRESS;
boolean isFull = true ;
// is game over?
for ( int pos = 0; pos < 9; pos++) {
char chess = board[pos];
if ( empty == chess) {
isFull = false ;
break ;
}
}
// is Max win/lose?
for ( int [] status : WIN_STATUS) {
char chess = board[status[0]];
if (chess == empty ) {
break ;
}
int i = 1;
for (; i < status.length; i++) {
if (board[status[i]] != chess) {
break ;
}
}
if (i == status.length) {
result = chess == x ? WIN : LOSE;
break ;
}
}
if (result != WIN & result != LOSE) {
if (isFull) {
// is draw
result = DRAW;
} else {
// check double link
// finds[0]->'x', finds[1]->'o'
int [] finds = new int [2];
for ( int [] status : WIN_STATUS) {
char chess = empty ;
boolean hasEmpty = false ;
int count = 0;
for ( int i = 0; i < status.length; i++) {
if (board[status[i]] == empty ) {
hasEmpty = true ;
} else {
if (chess == empty ) {
chess = board[status[i]];
}
if (board[status[i]] == chess) {
count++;
}
}
}
if (hasEmpty && count > 1) {
if (chess == x ) {
finds[0]++;
} else {
finds[1]++;
}
}
}
// check if two in one line
if (finds[1] > 0) {
result = -DOUBLE_LINK;
} else if (finds[0] > 0) {
result = DOUBLE_LINK;
}
}
}
return result;
}
基于这些，一个限定层数的实现是这样的：
/**
* 以'x'的角度来考虑的极小极大算法
*/
public int minimax( char [] board, int depth){
int [] bestMoves = new int [9];
int index = 0;
int bestValue = - INFINITY ;
for ( int pos=0; pos<9; pos++){
if (board[pos]== empty ){
board[pos] = x ;
int value = min(board, depth);
if (value>bestValue){
bestValue = value;
index = 0;
bestMoves[index] = pos;
} else
if (value==bestValue){
index++;
bestMoves[index] = pos;
}
board[pos] = empty ;
}
}
if (index>1){
index = ( new Random (System. currentTimeMillis ()).nextInt()>>>1)%index;
}
return bestMoves[index];
}
/**
* 对于'x'，估值越大对其越有利
*/
public int max( char [] board, int depth){
int evalValue = gameState (board);
boolean isGameOver = (evalValue== WIN || evalValue== LOSE || evalValue== DRAW );
if (depth==0 || isGameOver){
return evalValue;
}
int bestValue = - INFINITY ;
for ( int pos=0; pos<9; pos++){
if (board[pos]== empty ){
// try
board[pos] = x ;
// maximixing
bestValue = Math. max (bestValue, min(board, depth-1));
// reset
board[pos] = empty ;
}
}
return evalValue;
}
/**
* 对于'o'，估值越小对其越有利
*/
public int min( char [] board, int depth){
int evalValue = gameState (board);
boolean isGameOver = (evalValue== WIN || evalValue== LOSE || evalValue== DRAW );
if (depth==0 || isGameOver){
return evalValue;
}
int bestValue = + INFINITY ;
for ( int pos=0; pos<9; pos++){
if (board[pos]== empty ){
// try
board[pos] = o ;
// minimixing
bestValue = Math.min(bestValue, max(board, depth-1));
// reset
board[pos] = empty ;
}
}
return evalValue;
}
Alpha-beta剪枝
另外，通过结合Alpha-beta剪枝能进一步优化效率。Alpha-beta剪枝顾名思义就是裁剪掉一些不必要的分支，以减少遍历的节点数。实际上是通过传递两个参数alpha和beta到递归的极小极大函数中，alpha表示了MAX的最坏情况，beta表示了MIN的最坏情况，因此他们的初始值为负无穷和正无穷。在递归的过程中，在轮到MAX的回合，如果极小极大的值比alpha大，则更新alpha；在MIN的回合中，如果极小极大值比beta小，则更新beta。当alpha和beta相交时（即alpha>=beta），这时该节点的所有子节点对于MAX和MIN双方都不会带来好的获益，所以可以忽略掉（裁剪掉）以该节点为父节点的整棵子树。
根据这一定义，可以很轻易地在上面程序的基础上进行改进：
/**
* 以'x'的角度来考虑的极小极大算法
*/
public int minimax( char [] board, int depth){
int [] bestMoves = new int [9];
int index = 0;
int bestValue = - INFINITY ;
for ( int pos=0; pos<9; pos++){
if (board[pos]== empty ){
board[pos] = x ;
int value = min(board, depth, - INFINITY , + INFINITY );
if (value>bestValue){
bestValue = value;
index = 0;
bestMoves[index] = pos;
} else
if (value==bestValue){
index++;
bestMoves[index] = pos;
}
board[pos] = empty ;
}
}
if (index>1){
index = ( new Random (System. currentTimeMillis ()).nextInt()>>>1)%index;
}
return bestMoves[index];
}
/**
* 对于'x'，估值越大对其越有利
*/
public int max( char [] board, int depth, int alpha, int beta){
int evalValue = gameState (board);
boolean isGameOver = (evalValue== WIN || evalValue== LOSE || evalValue== DRAW );
if (beta<=alpha){
return evalValue;
}
if (depth==0 || isGameOver){
return evalValue;
}
int bestValue = - INFINITY ;
for ( int pos=0; pos<9; pos++){
if (board[pos]== empty ){
// try
board[pos] = x ;
// maximixing
bestValue = Math. max (bestValue, min(board, depth-1, Math. max (bestValue, alpha), beta));
// reset
board[pos] = empty ;
}
}
return evalValue;
}
/**
* 对于'o'，估值越小对其越有利
*/
public int min( char [] board, int depth, int alpha, int beta){
int evalValue = gameState (board);
boolean isGameOver = (evalValue== WIN || evalValue== LOSE || evalValue== DRAW );
if (alpha>=beta){
return evalValue;
}
// try
if (depth==0 || isGameOver || alpha>=beta){
return evalValue;
}
int bestValue = + INFINITY ;
for ( int pos=0; pos<9; pos++){
if (board[pos]== empty ){
// try
board[pos] = o ;
// minimixing
bestValue = Math.min(bestValue, max(board, depth-1, alpha, Math.min(bestValue, beta)));
// reset
board[pos] = empty ;
}
}
return evalValue;
}
*这里对极小极大算法的实现只是其中一种可行性，实际上可能会看到很多种不同的实现方式，但道理是一样的。
使用开局库
同时，你会发现，这样做视乎还不够，特别在一开局。我们都知道，中心的位置是最好的，但是按照我们上面的算法，第一步确实随机的...这在深度受限制的情况下就更显得重要了。于是就引申出了开局库的概念，这是我在某个讲象棋AI的网上看到的，就是给初始的棋盘设定一些格局。
针对上面的例子，我们只要判断是否第一步棋，如果是则想办法让他选择中心的位置（4）。
在WIKI百科中找到一幅图也能作为TIC-TAC-TOE开局库的参考：
于是，估算函数会变成这样的（当然也可以在别的地方修改，只要合理）：
//开局时，每个位置的估值
static final int [] INITIAL_POS_VALUE = {
3, 2, 3,
2, 4, 2,
3, 2, 3
};
/**
* 估值函数，提供一个启发式的值，决定了游戏AI的高低
*/
public int gameState ( char [] board ) {
int result = INPROGRESS ;
boolean isFull = true ;
int sum = 0;
int index = 0;
// is game over?
for ( int pos=0; pos<9; pos++){
char chess = board[pos];
if ( empty ==chess){
isFull = false ;
} else {
sum += chess;
index = pos;
}
}
// 如果是初始状态，则使用开局库
boolean isInitial = (sum== x ||sum== o );
if (isInitial){
return (sum== x ?1:-1)*INITIAL_POS_VALUE[index];
}
// is Max win/lose?
for ( int [] status : WIN_STATUS ){
char chess = board[status[0]];
if (chess== empty ){
break ;
}
int i = 1;
for (; i<status.length; i++){
if (board[status[i]]!=chess){
break ;
}
}
if (i==status.length){
result = chess== x ? WIN : LOSE ;
break ;
}
}
if (result!= WIN & result!= LOSE ){
if (isFull){
// is draw
result = DRAW ;
} else {
// check double link
// finds[0]->'x', finds[1]->'o'
int [] finds = new int [2];
for ( int [] status : WIN_STATUS ){
char chess = empty ;
boolean hasEmpty = false ;
int count = 0;
for ( int i=0; i<status.length; i++){
if (board[status[i]]== empty ){
hasEmpty = true ;
} else {
if (chess== empty ){
chess = board[status[i]];
}
if (board[status[i]]==chess){
count++;
}
}
}
if (hasEmpty && count>1){
if (chess== x ){
finds[0]++;
} else {
finds[1]++;
}
}
}
// check if two in one line
if (finds[1]>0){
result = - DOUBLE_LINK ;
} else
if (finds[0]>0){
result = DOUBLE_LINK ;
}
}
}
return result;
}
----------------------------------------------------------------------------------------------------
参考资料
极大极小博弈树的简洁（附Tic-Tac-Toe源码）
Tic-Tac-Toe算法笔记(一)：Minimax算法
- 大小: 9.3 KB
- 大小: 35.1 KB
- 大小: 671 KB
- MinimaxDemos_TicTacToe-Java_.rar (4.3 KB)
- 描述: 分别是使用了深度限制和使用了Alpha-beta剪枝的例子（能直接编译运行）
- 下载次数: 97
分享到：
评论
4 楼
XmKevinChen
2014-10-11
1. max跟min的函数中bestValue的计算实际都上都没有用到
2. 计算输赢的代码， 明显应该continue而不是break
for ( int [] status : WIN_STATUS ){
char chess = board[status[0]];
if (chess== empty ){
break ;
}
3 楼
liufengyuan07
2012-12-05
谢谢，！~
2 楼
univasity
2012-12-03
liufengyuan07 写道
你好，我想请教一下，INFINITY = 100 这个选取的依据是什么，谢谢！~
你好，不一定要设定为100的，就是这么一个值，你设定成200，999也可以。重要的是以下值得相对关系：
int WIN = +INFINITY ; // MAX的最大利益为正无穷
int LOSE = -INFINITY ; // MAX的最小得益（即MIN的最大得益）为负无穷
int DOUBLE_LINK = INFINITY / 2 ; // 如果同一行、列或对角上连续有两个，赛点
1 楼
liufengyuan07
2012-11-27
你好，我想请教一下，INFINITY = 100 这个选取的依据是什么，谢谢！~
发表评论
-
讲解极小极大 (Minimax Explained) [译]
2011-09-11 21:00 6786原文链接：Minimax Explaine ... -
理解极小极大算法 (Understanding The Minimax Algorithm) [译]
2011-09-11 20:45 26976原文链接：Understanding Th ... -
归并排序（MergeSort）
2011-09-02 23:31 2531归并（Merge）排序法是将两个（或两个以上）有序表合并成一个 ... -
常见排序算法 [整理]
2011-09-02 23:21 2246名称 复杂度 说明 ... -
算法时间复杂度的计算 [整理]
2011-09-02 22:58 155690基本的计算步骤 时间复杂度的定义 一般情况 ... -
[概念]算法的复杂度 [整理]
2011-08-29 15:25 2034同一个问题可用不同算法解决，而一个算法的质量优劣将影响到算法乃 ...
相关推荐
带有最小最大算法的井字游戏 来自JetBrainsAcademy的TicTacToe游戏项目，可与AI一起玩 没有菜单要播放，只需键入“开始播放器播放器”播放器=用户，简单，中，硬 坐标是从（1,1）左下角到（3,3）右上角第一列
极小井字游戏 Minimax算法实施项目。 使用纯JS构建，没有任何其他库。
井字游戏 使用Winmaxs和minimax算法开发的TicTacToe游戏
这里只给出了源代码，没有解决方案文件，大家可以自行组装。VS2022编译通过。博弈树最大搜索深度目前是4层（代码中因为序号从0开始，所以是3，其实还是4层这，已经是上限了）。
Minimax算法及实例分析.pdfMinimax算法及实例分析.pdfMinimax算法及实例分析.pdfMinimax算法及实例分析.pdfMinimax算法及实例分析.pdfMinimax算法及实例分析.pdfMinimax算法及实例分析.pdfMinimax算法及实例分析.pdf
Javascript-MiniMax-TicTacToe TicTacToe的Javascript中的MiniMax算法。
Minimax算法和机器学习技术已经研究了数十年，以在象棋和五子棋等游戏领域中达到理想的优化。 在这些领域中，几代人试图为修剪和评估功能的有效性优化代码。 因此，存在装备精良的算法来处理游戏场合中的各种复杂...
minimax算法介绍_JavaScript_下载.zip
使用了minimax算法。 除了百度各个棋型的打分方式，所有代码皆为本人所撸。本程序结构与之前的井字棋、黑白棋一模一样。 有一点小问题，没时间弄了，就这样吧。 一、效果图 （略） 二、完整代码 from functools ...
Minimax算法的简单实现，可在井字游戏中获得最佳移动。 观看演示 描述 来自 Minimax（有时是MinMax或MM [1]）是一种决策规则，用于决策理论，博弈论，统计数据和哲学，用于将最坏情况（最大损失）情况下的可能损失...
minimax_player安装要安装minimax国际象棋算法，只需运行make 如果要使用自动播放器，则有两个python依赖项。 跑： pip install undetected-chromedriver pip install chess Minimax算法运行make ，您将看到一个名为...
MiniMax_AlphaBeta：minimax算法的实现，可以选择使用alpha-beta修剪
CheckersMiniMax：有关minimax算法的更多知识
井字游戏带有Minimax算法的井字游戏
JavaMinimax 适用于井字游戏的minimax算法的Java实现
井字游戏自动化使用minimax算法实现井字游戏的自动化。
Minimax 搜索算法 实现一个跳棋游戏 游戏由专门的借口定义，非常好的教学例子，代码也很值得学习
使用Minimax算法的TicTacToe简易游戏##### *请前往尝试赢，您不应该能够赢，但是试试吧！您需要连接到互联网才能像使用Bootstrap / al CDN一样使用:)QUnit测试单元测试位于TicTacToe / tests / tests_v1.js中要运行...