首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >哪些AI算法可以用来玩可能信息不完全的概率游戏?

哪些AI算法可以用来玩可能信息不完全的概率游戏?
EN

Stack Overflow用户
提问于 2015-01-19 00:55:22
回答 1查看 411关注 0票数 0

极小极大算法和蒙特卡洛树搜索(MCTS)可用于实现玩具有游戏的完整信息的确定性(即,非概率)游戏,如国际象棋或井字游戏的代理。

对于信息不完全的游戏和/或带有概率成分的游戏(例如扑克或桥牌),有没有通用的方法?

EN

回答 1

Stack Overflow用户

发布于 2015-01-20 03:52:22

是。不过,您同时问了几个问题。

最简单的可能性是像双陆棋这样的游戏,它包含概率,但包含完整的信息。对minimax的扩展很简单,称为expectiminimax。

不完全信息通常被称为“部分可观察性”,存在于像kriegspiel这样的游戏中,这是国际象棋的一种变体,在这种游戏中,你看不到对手的棋子。在这里,树搜索的扩展是您的树依赖于感知序列,而不是单个板状态。正如你可能想象的那样,这会很快地炸毁这棵树。

纸牌游戏通常是同时进行的,并且需要两种技术。

请注意,这些简单的扩展仅仅是表面上的。同样,国际象棋和围棋需要的不仅仅是简单的搜索树,部分可观察的随机游戏需要的不仅仅是扩展。当行动具有概率结果(即失败的可能性)时,那么你就进入了深入的学术研究领域。

票数 2
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/28012292

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档