我在某处读到，minimax 算法可以推广到两个以上的玩家。想象一下，我们有 3 个玩家，他们每个人都想最大化自己的答案。在这种情况下是否可以使用 alpha-beta 修剪？还是没用？为什么？
注意：游戏是非零和游戏。
【问题讨论】：
标签： artificial-intelligence minimax alpha-beta-pruning
是的，但您必须清楚游戏机制。您给定的树首先显示蓝色移动，然后是绿色移动，最后选择红色。
这里有两种方法，具体取决于游戏机制。如果每个玩家的唯一目的是最大化他们自己的结果，那么您需要为活跃玩家解决每个级别，只考虑相关的奖励。
在给定的示例中，假设奖励按顺序（蓝色、绿色、红色）列出，那么红色在 (2-4)、(9-4)、(0-6) 对中的四个选择， (0-2) 将是 R,L,R,R;以值 (8-5),(9-3) 呈现 green。从这些中，green 将选择 L,L； blue 获得选择 (6-8) 并将做出 R 选择，并在 (8, 9, 6) 上确定游戏值。
但是，如果玩家有任何其他动机，例如最大化整体收益（我们碰巧在上面实现）或赋予净差异价值，那么您将需要使用更复杂的决策算法;同样的逻辑也适用。
对于一个足够复杂的游戏，其中玩家是对立的，并且同时进行秘密行动，您可能必须切换到“一对多”模型，其中每个玩家都假设其他人将做出最小化选择玩家奖励的选择。这种最坏情况的规划将您带回到一个简单的极小极大过程，其中两个对手合并为一个玩家，假装游戏实际上是一个零和问题。
【讨论】：