黑白棋游戏（又名：黑白棋）的简单而有用的人工智能的想法答案

【问题标题】：Ideas for simple and useful AI for othello game (aka: reversi)黑白棋游戏（又名：黑白棋）的简单而有用的人工智能的想法
【发布时间】：2026-01-21 19:00:01
【问题描述】：

嗨我在哪里可以找到有关如何为该游戏实施 AI 的信息。以前从未做过任何类型的人工智能。

寻找最佳和简单方法的建议谢谢

【问题讨论】：

标签： c# artificial-intelligence game-engine

【解决方案1】：

就像在几乎所有棋盘游戏中一样，您必须 (a) 评估一个位置的好坏程度，并 (b) 寻找导致对您有利的位置的移动。

奥赛罗与国际象棋等其他游戏稍有不同之处在于 (a) 有点困难。你不能轻易判断哪些位置是好的，因为桌子可以很快转动。然而，如果你刚刚开始，一个很好的启发式方法是

极具价值的角球场地
在弯道旁边的场地受到高度惩罚
其他边框图块的价值高于剩余图块
尽量减少对手的移动次数

对于 (b)，您可以使用标准博弈树搜索算法，例如 Minimax 或 Alpha-Beta Pruning。有许多不同的可供选择。

Michael Buro 编写了 Logistello，这是（以前？）最强的黑白棋游戏之一，他写了几篇关于这个主题的引人入胜的论文。为了判断一个位置有多好，他将棋盘上的模式（每个等级、每个文件、所有对角线形成模式）与程序先前学习的数据库中的模式进行比较。为了搜索理想的结果，他使用了一种称为 Multi-Prob Cut 的搜索算法。

可能有用的链接：

【讨论】：

【解决方案2】：

Russel/Norvig 的“人工智能 - 一种现代方法”是学习博弈论、人工智能、启发式和相关知识的良好起点。看看这里：http://aima.cs.berkeley.edu/

【讨论】：

【解决方案3】：

嗯，实际上，黑白棋是游戏的一个例子，其中 Minmax/Negamax 不能很好地工作，因为您需要启发式方法来评估中间游戏状态，这在黑白棋中是很困难的。看看蒙特卡洛树搜索（MCTS）。这应该运作良好。实际上，我自己实现了一个非常简单的机制，灵感来自 MCTS，它击败了我迄今为止测试过的所有在线 AI（而 AI 在很短的时间内完成动作：2 秒）。该机制的工作原理如下： (a) 获取当前玩家的所有可能动作 (b) 随机选择其中之一 (c) 以完全随机（有效）的动作交替进行游戏，直到游戏结束。 (d) 重视比赛结果 (e) 将此值添加到步骤 (b) 中选择的移动的总分中 (f) 将步骤 (b) 中选择的移动的访问次数加 1 (g) 如果还有时间跳到 (b)（我给了算法 2 秒） (h) 以最高平均分（总分/访问次数）移动

一些优化是非常明显的，比如立即移动，如果只有一个有效的移动，或者除了时间限制之外限制随机模拟的数量（比如每个有效移动 2000 次左右）。

再说一遍，这不是 MCTS，而只是 MCTS 的最后一部分，但它工作得很好。

您好，响尾蛇

【讨论】：

这只是一个蒙特卡罗模拟算法。这不是 MCTS，因为没有树。 MCTS 更高效。

【解决方案4】：

negamax 或 minimax 算法很简单，应该可以正常工作。

要达到更高的游戏水平，您需要添加一些启发式方法，但简单的两步 negamax 实现起来很简单而且速度很快。

【讨论】：

实现 Negamax 和 MinMax 哪个更简单？有 C# 中的示例代码吗？
它们非常相似。 Negamax 实现起来更好一些。只需查看他们的*文章。
Negamax 搜索是 minimax 搜索的一个稍微变体的公式，它依赖于两人游戏的零和属性。该算法很大程度上依赖于 max(a, b) = -min(-a, -b) 来简化 minimax 算法的实现。
@jv42 为什么不呢？ Negamax 大概需要 10 行，并且在概念上没有任何困难。然后你需要一个计分函数，在最简单的情况下是黑/白棋子之间的差异。最后，您需要能够枚举所有有效的移动，这也不难。 AI 不会很强大，因为阅读深度很低（在一个幼稚的实现中可能会深入 5 次，然后才会变得太慢）。
好吧，对于初学者来说，评分功能很难实现，那么您需要实施复杂的策略才能获得良好的性能。我同意这是一个相对简单的游戏 AI 算法，但对初学者来说并不容易。

【解决方案5】：

Logistello 的源代码可在here 获得，这是十年前镇上最好的游戏。

【讨论】：