哪些AI算法可用于播放可能带有不完整信息的概率游戏？

Question

最小极大值算法和蒙特卡洛树搜索（MCTS）可用于实现具有确定性（即非概率性）游戏（如国际象棋或井字游戏）的代理，这些代理具有完整的游戏信息。

是否存在适用于信息不完整的游戏和/或具有概率成分（例如，扑克或过桥）的游戏的通用方法？

Answer 1

是。 不过，您一次要问几个问题。

最简单的可能性是像西洋双陆棋这样的游戏，它包括概率，但有充分的信息。 minimax的扩展很简单，称为Expectiminimax。

不完整的信息通常称为“部分可观察性”，并且存在于像kriegspiel之类的游戏中，该游戏是象棋的一种变体，在其中您看不到对手的棋子。 在这里，对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。 就像您可能想象的那样，这会很快炸毁树。

纸牌游戏通常是同时进行的，并且需要两种技巧。

请注意，这些简单的扩展仅会刮伤表面。 与国际象棋和围棋不仅仅需要简单的搜索树一样，部分可观察的随机游戏还需要扩展。 如果这些动作具有概率结果（即失败的机会），那么您将进入深入的学术研究领域。