在井字游戏中实现AI“难度”级别的有效方法有哪些?

我正在开发一个简单的井字游戏Android应用,支持1或2个玩家。我已经为单人模式实现了一个使用极小极大算法的AI,它可以完美地玩游戏(要么赢,要么平局)。我想允许用户在简单、中等和困难难度之间切换。有哪些方法可以实现这一点?

我的第一个想法是随机选择是进行随机移动还是完美移动。对于中等难度,选择完美移动的概率为60%,对于简单难度为10%。还有其他想法或修改吗?


回答:

你有几种方法可以调整AI的强度,尽管对于像井字游戏这样简单的游戏来说,调整的精细度不是很高。

  1. 限制搜索深度。例如:如果AI只看前1-2步,它有可能被策略困在不可避免的失败状态,而更深的搜索树可以很好地预测并对抗每一种策略,总是强制平局。
  2. 削弱评估函数。这在井字游戏中做起来有点困难,但你可能能够想出一些办法。如果AI低估或高估某些东西,它的表现会更差。
  3. 添加噪声。给你的程序一个随机机会选择次优移动。
  4. 偏向次优决策。例如,让AI不太可能以角落位置作为第一步移动。

你需要通过实验来找出什么感觉合适。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注