问奥赛罗评价函数

EN

在生成游戏树时，除非是叶节点，否则不应该计算节点。也就是说，生成一棵树，直到N级(它对应于在板当前状态之前移动N个棋盘)，除非您已经到达对应于游戏结束情况的节点。--只有在这些节点中，才应该使用评估函数来评估棋盘游戏的状态。，这就是minimax算法关于的特点。我所知道的唯一一种情况是，在每个玩家移动后评估一个节点是在迭代深化算法中，这似乎是您没有使用的。

评估职能是负责快速评估某一特定职位的“得分”--换句话说，哪一方获胜，以及胜算多少。它也被称为静态评估函数，因为它只查看特定的板配置。所以，是的，当你达到N级时，你可以计算计算机和用户可能的移动，并对它们进行减除。例如，如果结果是肯定的，它将意味着计算机有优势，如果它是0，它意味着一个平分，它是负的，它将代表用户在移动性方面的不利情况。为一个代表棋盘配置结束的节点打分是很简单的，如果你赢了，就分配一个最大值，如果你输了，就分配一个最小值。

可移动性是大多数棋盘游戏(有价值的棋盘游戏)的评价功能中需要考虑的重要功能之一。为了评估它，您计算每个玩家可能的移动，给出一个静态板的配置，无论谁是下一个回合。即使一名球员最近移动了一步，当同一名玩家做最后一次移动(因此，在相同的条件下得分)并选择得分最高的棋盘时，你也会将分数分配给树的N级板。

你在评估中考虑的特征是非常好的。通常，你想要考虑物质和流动性(你是这样的)在游戏中他们是非常有价值的(虽然，我不知道材料是否总是奥赛罗的一个优势，你应该更好地了解它，因为它是你正在努力的游戏)，所以我想你是在正确的道路上。

编辑：小心！在叶节点中，唯一要做的事情就是为板配置分配一个特定的分数。它是在其父节点中返回该分数并与其他分数(对应于其他子节点)进行比较的。为了选择特定玩家可用的最佳移动，请执行以下操作:如果父节点对应于对手的移动，则选择(Min)值最小的。如果这是计算机的轮到移动，选择得分与最高(最大)值，使它代表这个球员的最佳移动。

最终博弈评价函数

如果您的搜索达到一个完整的董事会，那么评估应该简单地基于光盘计数，以确定谁获胜。

中博弈评价函数

合法移动的数量在开局和中场很有用，因为大量的移动(对对手来说是低的)通常表示你有一个很好的位置，有很多稳定的圆盘，你的对手无法攻击，而对手的位置很差，他们可能会用尽移动动作，被迫做一个坏动作(例如让你在角落玩)。

为了这个目的，在计算移动的时候，谁该轮到谁并不重要，所以我认为你在正确的道路上。

(请注意，在游戏的早期阶段，它往往是一个有利的人，拥有较少的光盘，因为这通常意味着你的对手没有什么安全的行动。)

随机评价函数

很久以前，我听说，仅仅使用一个随机数作为Othello评估函数(令我惊讶)也是一个完全合理的选择。

逻辑是，拥有最多选择的玩家将能够引导游戏获得最高的随机数，因此这种方法再次意味着AI将支持给它很多选择的移动，而他的对手则很少。