我制作了一个井字游戏（10×10棋盘大小）的机器人。它的表现比普通人要好。

棋盘大小是10×10，而不是3×3。需要连成5个O或X才能获胜，而不是3个。

因此，我使用了Minimax算法、棋盘评估函数和限制可用移动来提高性能来制作这个机器人。

让我来解释一下我的代码。

首先，我单独使用了Minimax算法，但意识到在第一步之后大约有100种可能的状态，第二步之后是100*99种，第三步之后是100*99*98种。

并且可能无法计算出所有可能的棋盘状态。

所以，我做的是创建了一个棋盘评估函数。

我为棋盘评估函数设定了一些规则，这些规则在机器人玩多少次游戏都不会改变。

但我想制作一个可以自我改进的棋盘评估函数，或者提供一些数据让我可以用来改进它。在井字游戏中我无法想到任何方法，你们有吗？

谢谢

回答：

一种方法是生成棋盘状态的统计数据。创建一个与有效棋盘状态一一对应的棋盘哈希函数，并填充一个记录所采取移动的字典。记录每种棋盘状态中每一步的胜负，并根据给定选项的胜率为移动选择应用权重。

这对内存要求较高，但你可以通过使用对棋盘旋转和镜像不变的哈希来提高8倍的效率（例如，你可以对当前状态的所有8种旋转和翻转进行哈希，并始终返回最小值；可能还有更少暴力破解的选项）。

另一个改进是不记录在你的前瞻窗口中你保证会赢/输的任何游戏的移动，尽管这是一个较小的百分比改进。