Go的游戲算法？

Question

Go游戲的算法技術水平是什么？
最好閱讀哪些文章（描述算法）？

有一個專門用於Go的StackExachge網站 ，但沒有足夠的人承諾在那里提出問題。

Answer 1

所有當前的機器人都使用基於蒙特卡羅的算法。 它們通常非常適合Go，並且有許多額外的層來支持MC算法來預測每次移動的結果。 您可以查看一個開源機器人，例如Fuego 。

Answer 2

這是最基本的資源開始，但我敢說它非常完整

Answer 3

Amirim項目試圖使用結合ab-pruning和分區搜索方法的minimax方法來實現Go AI的工作。 他們似乎取得了一些成功，但我不記得他們通過對抗人類對手來證明自己的AI。

我建議你查找分區搜索 。

不幸的是，我對Amirim項目的鏈接已經死了（ 這里 ）。

Answer 4

我通過使用alpha-beta修剪在Prolog中實現了類似的東西。這種方法可以很容易地用於Go，因為它是一個完美的信息游戲，其中

• 每一個可能的舉動都是已知
• 游戲的狀態是完全已知的

您可以從Minimax樹開始，然后深入挖掘AB-pruning，negmax等聰明的方法。

很酷的是，你可以先開發最佳動作的引擎，然后嘗試找到最好的啟發式（也可以讓你的AI玩一個對抗另一個看看哪一個更聰明）決定了多少好處是移動。

當然，找到一個好的啟發式是實現的一部分，你必須要研究游戲規則，這需要考慮各種策略..所以它是更復雜的，但也是最有趣的。