蒙特卡洛树搜索
• Adversarial Search, Games
蒙特卡洛树搜索 1. MCTS 核心思想 对于像围棋这样分支因子极大的应用，传统的Minimax及其变种算法因计算量过大而不再适用。蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS） 为此类问题提供了强大的解决方案。 MCTS基于两个核心理念： 1. 通过模拟进行评估 (Evaluation...
Posts tagged "Adversarial Search"
Expectimax 算法
• Adversarial Search, Games
Expectimax 算法 1. Expectimax 概念 Minimax算法的核心假设是对手总是做出最优选择，这使其在面对非最优或随机对手时显得过于悲观。例如，在棋牌或骰子游戏中，结果本身具有不确定性，Minimax的“最坏情况”分析不再适用。 Expectimax搜索是Minimax的泛化，专门用于处理这类不确定...
Minimax算法
• Adversarial Search, Games
Minimax 算法 1. Minimax 核心思想 Minimax（极小化极大）是一种在零和博弈中做出决策的经典算法。其核心思想是，在一个回合制、信息完全的对抗游戏中，我方（MAX玩家）总是希望最大化自己的收益，而对手（MIN玩家）则总是希望最小化我方的收益。算法假定对手每一步都会做出最优选择。 $a.$ 状态值...
对抗性搜索与游戏理论
• Adversarial Search, Games
对抗性搜索与游戏理论 1. 相关概念 在传统搜索问题中，智能体可以使用搜索算法确定最佳计划并直接执行以达到目标。但在对抗性环境中，智能体面临一个或多个试图阻止其达成目标的对手。由于无法确定性地预知对手的策略和反应，传统搜索算法不再适用，我们需要新的算法类别来解决对抗性搜索问题，也就是游戏。 2. 确定性零和游戏...