井字游戏中的人工智能使用 C#答案

【问题标题】：Artificial Intelligence in Tic-Tac-Toe using C#井字游戏中的人工智能使用 C#
【发布时间】：2014-12-24 10:29:39
【问题描述】：

我为 2 名玩家制作了一个 Tic-Tac-Toe 游戏。现在，我想给游戏人工智能。

这样游戏就可以在1名玩家和计算机之间进行。
请帮助我如何开始？

【问题讨论】：

【解决方案1】：

井字游戏与其说是人工智能，不如说是一个查找表：对于每个可能的棋盘布局，找到最佳位置。

XKCD has such a lookup table。基本上，每个 Board Layout 都有一个唯一的 ID 和设置下一个标记的字段地址。维基百科有另一种格式的that table。

表格是这样工作的：X 先走，然后是 O。 X 将他的 X 放入 9 个单元格之一。当 O 出现时，现在有 9 种可能的 Board Layouts，具体取决于哪个 Cell 有 X：

 X  |    |
----+----+----
    |    |
----+----+----
    |    |

如果你看 O 的地图，里面有 9 个大格子，左上角的那个在左上角有 X，所以这就是那个。将 O 放在中间。

现在当X再次走时，它需要找到这个板布局：

 X  |    |
----+----+----
    | O  |
----+----+----
    |    |

你会在中间找到这个。红色是将 X 放在 XKCD 图像中的位置，表示您将它放在右下方：

 X  |    |
----+----+----
    | O  |
----+----+----
    |    | X

现在，O 再次寻找上面的板布局，它在左上角大网格中的右下角小网格中。 O需要放在中底：

 X  |    |
----+----+----
    | O  |
----+----+----
    | O  | X

等等。该图起初有点难以阅读（点击放大），因为它是嵌套的，但正如所说：您创建一个查找表，其中包含每个独特的电路板布局和放置下一个标记的位置的信息。

这创造了一个完美的对手：计算机永远不会输。如何让他更人性化然后是微调（例如，随机丢弃选择并将标记放置在随机单元格中）

【讨论】：

唯一的制胜法宝就是不玩？
@Ben 不如来一场精彩的国际象棋比赛？
@Michael：我看不懂那个表（图片）。
@Michael，这可能会有所帮助，它会生成所有可能的结果，可用于构造查找表/codegolf.stackexchange.com/questions/1065/…
@Michael：谢谢你的解释。 ;)

【解决方案2】：

实际上我在很多个月前就写过这样一个野兽，一个从错误中吸取教训的真正的自动机。

游戏的性质意味着您可以存储每个可能位置的结果。虽然对于象棋这样的游戏不可行，但井字游戏只有 3⁹ 或 19683 个状态。

这是我使用的智能位。

分配了一个字节数组，给出了每个状态的可取性，并且这些都被初始化为 127，以便所有状态都同样可取。为了让 AI 选择要进行的移动，它会将可能由可能移动产生的所有状态的分数相加，并使用它生成一个随机数来选择它会移动的移动。

换句话说，如果只有两步可能并且结果的分数分别为 200 和 50，那么 AI 将生成一个从 0 到 249 的随机数并使用它来选择一个，前者将是四倍（值0-199）比后者（值 200-249）更有可能。

至于分数如何变化，人工智能只是记住了游戏中存在的每一个状态，这些状态是由你做出的一个动作产生的。如果它赢得了比赛，所有这些位置的得分都会增加一个（但当然限制为 255，因为它必须适合一个字节）。如果它输了，它会降低分数（保持在一个或多个）。

这样，导致获胜的位置变得更有可能，而导致失败的位置变得不太可能。

可取性从未降至零的原因是，没有任何状态是不可能获得的。当然，如果所有其他人的得分都较高，那么一个愿望得分为 1 的人非常不太可能。

AI 需要经过大量游戏才能成为一名体面的玩家，但你可以通过将其与在相同 AI 和随机动作之间交替的自动敌人进行对抗来加速它。

您可以使用一些技巧来提升或降低比游戏中更多的状态，因为您可以旋转或镜像每个状态以获得相同的位置。

您还可以设置得分达到的下限（而不是一个） - 这将使 AI 更有可能选择不太理想的动作，从而有效地降低智力水平。

【讨论】：

对不起，一年后的吹毛求疵，我才发现这篇文章。井字游戏的状态少于 3^9 个 - X 的数量最多比 O 的数量多 1。
这是一个很好的观点，你是绝对正确的。但是，为简单起见，我可能仍然会在评分中允许所有组合，即使有些组合是不可能的。然后我不必担心将吟游诗人分配给数组位置的复杂公式。它当然不会影响移动，因为它们是从最多九个可能的下一步移动中提取的。
好吧，这篇文章可能很晚了，但我只是想问我可以使用你所说的算法在 Hex 游戏中实现 AI 吗？问题是即使对于 11x11 板，可能的状态数量也是巨大的。

【解决方案3】：

我知道这是一个非常晚的答案，但我想我会帮助任何人找到这个答案。这里有一些帮助来制作一个令人信服和可击败的人工智能。轮到计算机时，它应该大致遵循以下步骤：

【讨论】：

【解决方案4】：

有了井字游戏，人工智能应该可以分析每一个可能的游戏结果。您可以通过创建一个树形结构来实现这一点，该树形结构为玩家和 AI 可以做出的每一个选择分支。 AI 可以从那里选择一条通往胜利的道路。

不过，要打造一个可击败的对手，您可以限制 AI 执行的分析量（即限制树结构的深度）并让 AI 在不知道最终结果的情况下决定路径。更强大的 AI 会分析更多动作，而更弱的 AI 会更少分析。

【讨论】：

【解决方案5】：

其他答案告诉您使用查找表。但请注意，如果棋盘上的棋子超过 3 个，则有一个非常简单的算法（因为至少存在一条线，其中有两个同类和一个空格）：如果可能获胜，否则阻止对手。

那么你只需要一个小得多的查找表来处理开局动作。

【讨论】：

【解决方案6】：

只是添加一些东西，因为我过去做过同样的事情。如果您想让您的计算机对手更容易受到攻击，您可以使用极小极大算法来评估可能的动作。如果您需要有时会输的不太强大的对手，它会变得更加现实。

【讨论】：