Python3中的Minimax算法实现

Question

我一直在尝试用Python构建一个Tic-Tac-Toe机器人。 我试图避免使用Minimax算法，因为我非常想知道如何实现它。 到现在。 我（最终）编写了一种算法，该算法很容易陷入失败，并且很容易丢失，这有点违反了使计算机播放井字游戏的目的。 因此，我终于鼓起勇气尝试使用TRY来实现该算法。 我偶然发现了这个 StackOverflow帖子。 我尝试在此处实施所选的答案，但我听不懂大部分内容。 该答案中的代码如下：

def minimax(self, player, depth = 0) :
    if player == "o":
        best = -10
    else:
        best = 10
    if self.complete():
        if self.getWinner() == "x": # 'X' is the computer
            return -10 + depth, None
        elif self.getWinner() == "tie":
            return 0, None
        elif self.getWinner() == "o" : # 'O' is the human
            return 10 - depth, None
    for move in self.getAvailableMoves() :
        self.makeMove(move, player)
        val, _ = self.minimax(self.getEnemyPlayer(player), depth+1)
        print(val)

        self.makeMove(move, ".")

        if player == "o" :
            if val > best :
                best, bestMove = val, move
        else :
            if val < best :
                best, bestMove = val, move

    return best, bestMove

首先，为什么我们在计算机获胜时返回-10 + depth ，而在人类获胜时返回10 - depth ？ （我知道为什么在平局时我们返回0）。 其次， depth参数在做什么？ 有什么办法可以忽略吗？ 我们应该省略吗？

我可能缺少有关该算法的一些基本知识，但是我想我已经足够了解了。 请记住，我对递归算法非常陌生...

编辑

所以，现在我使自己成为函数：

def minimax(self, player):
    won = 10
    lost = -10
    draw = 0

    if self.has_won(HUMAN):
        return lost, None
    elif self.has_won(BOT):
        return won, None

    if not(self.board_is_empty()):
        return draw, None

    moves = self.get_available_moves()

    for move in moves:
        self.play_move(move[0], move[1], player)
        make_board(self.board)

        if self.board_is_empty():
            val, _ = self.minimax(self.get_enemy_player(player))
        self.rewind_move(move)

        if val==won:
            return val, move

但是现在的问题是，当移动以平局或亏损（对于计算机）结束时，我无法理解会发生什么。 我认为它正在做的是通过举棋的结果来查看SOMEONE是否获胜（这可能是发生的情况，因为我已经对其进行了测试），如果SOMEONE获胜，则返回该举棋。 如何修改此代码以使其正常工作？

注意：

• 该函数在class ，因此是self关键字。

• moves是一个包含元组的列表。 例如。 moves = [(0, 1), (2, 2)]等。因此，moves包含所有空白方块。 因此，每个moves[i][j]是一个整数模3。

• 我正在使用Jacques de Hooge在下面的答案中建议的详尽算法。

Answer 1

首先请注意10-深度=-（-10 +深度）。 因此，计算机的胜利与人类的胜利有相反的迹象。 这样，可以将它们添加起来以评估游戏板状态的值。 虽然使用tictactoe并不是真正需要的，但在象棋这样的游戏中却是如此，因为尝试所有可能的组合直到将棋子都花了很长时间，因此必须以某种方式评估游戏板的状态，包括输赢件，每件都值一定数量的点数，根据经验得出的值）。

假设现在我们只看10深度（因此人类会获胜）。 最吸引人的胜利是需要最少打球（动作）的胜利。 由于每次移动或反向移动都会导致深度增加，所以更多的移动将导致参数深度变大，因此10深度（优势的“数量”）会变小。 因此，快速胜利胜于宽大的胜利。 10个就足够了，因为在3 x 3的运动场中总共只能进行9个动作。

简而言之：由于tictactoe非常简单，因此实际上可以在详尽的递归搜索中找到获胜组合。 但是minimax算法适用于象棋这样的更复杂的情况，在这种情况下，必须根据损失（负）和收益（正）之和来评估中间情况。

是否应省略depth参数？ 如果您在乎最快的获胜：否。如果您仅在乎一个胜利（单身），那么它确实可以省略，因为可以进行详尽的搜索。

[编辑]

抽筋的意思是穷举，仅意味着搜索9层深，因为游戏永远不会持续太久。

使用参数播放器（o或x）和返回值得失进行递归函数，该值首先在最深的递归级别上确定，然后向上递归通过递归树。 让它使用所有免费字段的相反播放器作为参数进行调用。 如果有任何续集导致机器为每个级别的人员赢得了胜利，那么移动机器就是正确的选择。

注意：我所做的假设是存在获胜策略。 如果不是这种情况（可以联系），那么您拥有的算法可能是最佳选择。 我记得使用tictactoe的人总是可以按照上述方式赢得比赛。 因此，该算法将至少赢得所有游戏的50％。 对于非完美的人类玩家，如果计算机无法启动，如果人类玩家执行次优操作，那么它也可能会获胜，