Go的游戏算法？

Question

Go游戏的算法技术水平是什么？
最好阅读哪些文章（描述算法）？

有一个专门用于Go的StackExachge网站 ，但没有足够的人承诺在那里提出问题。

Answer 1

所有当前的机器人都使用基于蒙特卡罗的算法。 它们通常非常适合Go，并且有许多额外的层来支持MC算法来预测每次移动的结果。 您可以查看一个开源机器人，例如Fuego 。

Answer 2

这是最基本的资源开始，但我敢说它非常完整

Answer 3

Amirim项目试图使用结合ab-pruning和分区搜索方法的minimax方法来实现Go AI的工作。 他们似乎取得了一些成功，但我不记得他们通过对抗人类对手来证明自己的AI。

我建议你查找分区搜索 。

不幸的是，我对Amirim项目的链接已经死了（ 这里 ）。

Answer 4

我通过使用alpha-beta修剪在Prolog中实现了类似的东西。这种方法可以很容易地用于Go，因为它是一个完美的信息游戏，其中

• 每一个可能的举动都是已知
• 游戏的状态是完全已知的

您可以从Minimax树开始，然后深入挖掘AB-pruning，negmax等聪明的方法。

很酷的是，你可以先开发最佳动作的引擎，然后尝试找到最好的启发式（也可以让你的AI玩一个对抗另一个看看哪一个更聪明）决定了多少好处是移动。

当然，找到一个好的启发式是实现的一部分，你必须要研究游戏规则，这需要考虑各种策略..所以它是更复杂的，但也是最有趣的。