与许多关于这个话题的问题不同，我的不是作业。我已经构建了一个工作的Ghost机器人。我最终的目标是作为一个爱好构建一个扑克机器人，但Ghost游戏似乎是一个更容易开始思考的游戏。

我提问的代码如下：

def computer_prompt(playerName,word_string):  length_string = len(word_string)  for possibilities in wordlist:    if possibilities[:length_string].lower() == word_string:      if len(possibilities) > 3 and len(possibilities) % 2 != 0:        if check_game.is_valid_word(possibilities[length_string],wordlist):          if not check_game.word_formed(possibilities[:length_string + 1],wordlist):            print(possibilities)            return possibilities[:length_string + 1]

目前，我只是希望电脑总是第二个出招，人类总是先出招。问题是，虽然电脑几乎每次都能打败我，但有几次我仍然可以智胜它。例如，如果我玩“h”，然后它玩“a”，然后我玩“z”，然后它又玩“a”，然后我玩“r”，然后它抛出一个错误（因为它不承认失败 :)）。

我该如何修改它，使它在这种情况下知道在我玩“z”之后不要说“a”？显然，我可以将这个例子编码为一个例外，但我想知道解决这个问题的通用方法。一般来说，现在电脑打败我是因为它会寻找所有可能的单词列表，这些单词会在它决定选择哪个字母之前结束在我身上。但在“hazard”这个例子中，它只是卡住了，我希望它能提前几步知道它会卡住，这样它就不会陷入这种境地…

非常感谢！

添加于9/27

对于任何感兴趣的人，以下代码似乎比我之前的要好一些。尽管还不完美…：

def all_possibilities(word_string, length_string):  possibilities = []  for possibility in wordlist:      if possibility[:length_string].lower() == word_string:        possibilities.append(possibility)  return possibilitiesdef clear_loser(possibilities):  clear_losers = []  for item in possibilities:      if len(item) % 2 == 0:        clear_losers.append(item)  return clear_losersdef first_n_letters(sub_optimal_computer_possibilities, length_string):  first_n_Letters = []  for item in sub_optimal_computer_possibilities:    first_n_Letters.append(item[:length_string + 1])  return list(set(first_n_Letters))def existing_Optimal_Move(FIRSTNLETTERS,first_letters_of_clear_losers):  length_sub_opt_list = len(FIRSTNLETTERS)  new_list = []  for item in FIRSTNLETTERS:    if not item in first_letters_of_clear_losers:      new_list.append(item)  return new_listdef computer_prompt(word_string):  length_string = len(word_string)  possibilities = all_possibilities(word_string, length_string)  clear_losers = clear_loser(possibilities) #创建将在电脑上结束的单词列表  sub_optimal_computer_possibilities = [x for x in possibilities if x not in clear_losers] #创建将在人类上结束的单词列表（包括可能对我不利但聪明的人类会使它在我之前结束的单词）  FIRSTNLETTERS = first_n_letters(sub_optimal_computer_possibilities, length_string)  first_letters_of_clear_losers = first_n_letters(clear_losers, length_string)  optimalMove = existing_Optimal_Move(FIRSTNLETTERS, first_letters_of_clear_losers)  if optimalMove:    print("OPTIMAL MOVE")    for item in optimalMove:        #print(optimalMove)      return item[:length_string + 1]     else:    for item in FIRSTNLETTERS:        #print(FIRSTNLETTERS)      return item[:length_string + 1]

回答：

查看三元搜索树数据结构：http://en.wikipedia.org/wiki/Ternary_search_tree

你可以从你的单词列表中构建一个三元搜索树。然后，你可以让电脑循环遍历树中当前位置的子节点。它将消除任何输的移动（一个字母选择没有子节点），然后遍历所有它们的子节点。如果电脑的任何可能移动都有所有输的子节点（它们自己没有子节点），那么它将选择那个选择，因为它保证获胜。

在循环过程中，它将消除任何保证输的移动。如果它没有剩余的移动，这意味着每个移动都会导致它输，所以它将随机选择字母直到输。否则，它将选择移动，这个移动有最少可能的输法，或者最多的赢法，可能是一个线性组合，带有实验确定的常数。你需要聪明的循环或递归函数。

最后，如果你想让他使用机器学习，你可能想要一个字典，比如memory = {}，然后每次他玩并且输了，他会将他的选择列表添加到记忆中，并在下次避免这种模式。他也可以通过这种方式调整常数。为了保持记忆，你应该将其保存到文件中或使用Python的pickle模块进行序列化。