Minimax / Alpha Beta Algorithm - 在五子棋中寻找 AI 的移动答案

【问题标题】：Minimax / Alpha Beta Algorithm - Finding the AI's move in GomokuMinimax / Alpha Beta Algorithm - 在五子棋中寻找 AI 的移动
【发布时间】：2011-07-26 16:14:44
【问题描述】：

我知道 Minimax 决策树是为棋盘游戏实现 AI 的好方法。目前，我正在尝试实现一个名为 Gomoku 的游戏（连续 5 个）。但有一件事我很困惑：

我环顾四周，似乎几乎所有 Minimax/AlphaBeta 算法都返回一个整数。特别是对我来说，eval(bestGomokuBoard) 的返回值。我应该如何找到获胜板的坐标？

这是我到目前为止所做的：我有一个 20x20 的整数数组，代表一个空白空间（0）、计算机（1）和播放器（2）。为了减少开销，Minimax Tree 中的每个节点都是较大数组（较小的参考框架）的 9x9 数组表示。我的 eval 函数返回一个 int，我的 minimax/alphabeta 算法返回一个 int。如何找到 AI 移动的坐标？

提前谢谢你！

【问题讨论】：

标签： minimax gomoku

【解决方案1】：

您可以创建两个略有不同的最大函数。一个只返回一个整数（分数），另一个最大函数（例如 maxWithBestMove 或 rootMax）返回分数和最好的举动。递归调用顺序将是：

maxWithBestMove --> min --> max --> min --> max....

查看国际象棋编程维基上Negamax Framework 中的注释#2。我给了here的类似答案。

【讨论】：

这就是我喜欢 Stackoverflow 的原因。我几乎问了一个关于代码中可怕错误的问题，但是当我查看这个答案时，我立即发现了问题的根源并修复了所有问题，尽管我的问题有些不同。那我就不用问愚蠢的问题了。 8)
很高兴能帮您解答。