量子Tic-Tac-Toe AI

Question

在我的数据结构课程中，我们已经分配了一个项目，在该项目中，我们需要制作一个功能齐全的Quantum Tic-Tac-Toe游戏，玩家将面对一个可以赢得胜利的机器人。

教授建议我们在AI中使用游戏树。然而，像往常一样，我正在寻找更具挑战性的东西。

任何人都可以提出一个更好，更先进的方法，我可以研究和实施吗？

---

我不是在寻找一些完全荒谬的东西，这会使问题变得更加复杂。相反，我正在寻找一种先进的方法 - 比如使用A *算法而不是BFS。

Answer 1

你学习新事物（甚至是你自己）的愿望是好的。然而，复杂的解决方案通常是not the best solution。

你的教授建议使用游戏树进行人工智能有一个很好的理由。建议这是因为它是适合这项工作的工具。没有更好的方法可以研究，因为这是最好的方法。

您提到您在数据结构类（通常是第一年或第二年级）。我猜你的任务的重点是学习树数据结构。如果你想让事情变得更复杂，首先编写树版本，然后去研究解决同一问题的其他方法。

Answer 2

评估回合制游戏有两个部分。

1. 游戏树。
2. 效用函数。

游戏树允许您提前播放动作以查看它们将在哪里领先。如果游戏足够复杂，你无法计算所有可能性（http://en.wikipedia.org/wiki/Solved_game），那么你需要一种方法来确定特定棋盘场景的“好”程度。国际象棋的不良效用函数可能只是计算片段值而忽略位置。

您还需要一种有效的遍历游戏树的方法。阅读Minimax，Alpha-beta修剪，Negascout等。

Answer 3

我现在正在解决这个特定问题：http://www.rickb.com/quantum-tic-tac-toe

我曾考虑过做一些更先进的事情，但我只是坚持使用优秀的'alpha-beta搜索算法。我的主要问题是提出一个好的算法来“评分”每个特定的电路板状态。 QTTT比标准的tic tac脚趾复杂得多，搜索状态的数量呈指数级增长。我在内存中有完整标准的tic tac toe游戏树，我用它来快速查找每个“经典”板状态的分数，但是我必须以某种方式得分叠加状态。状态的数量是如此之大，以至于你不能在树中走得太深，所以必须使用适当的评分函数来提早修剪树。

Answer 4

要为您的实现提供学习功能，您可以查看Donald Mitchie的MENACE（Matchbox Educable Noughts and Crosses Engine）的模拟器...

修改：
在调查中，这已经做了很多，例如在CodeProjet上查看 此外，虽然获取世界的统计模型（或者这里的Tic-Tac-Toe减少的世界）并且将未来行动建立在这样的模型上是智能行为，但是你的教授可能认为它超出了范围，因为没有接触你可能在课堂上涉及的关键概念（知识表示，决策树......）