我知道像minimax这样的算法可以用来玩完美的游戏（在此情况下，我正在寻找类似于井字棋的游戏）。
然而，我想知道如何创建一个非完美的算法或具有不同“技能级别”（简单，中等，困难等）的AI，让人类玩家真正有机会击败它。
4个回答
3
限制计算机的技能，可以通过在不同深度处截断搜索来实现。改变评估函数，使计算机偏向于不同的策略。
非专业人类玩家使用次优策略和有限战术。这些基本上对应于对游戏状态的差评估和有限的先见之明。
关于随机性，一点点是需要的，这样计算机就不会总是犯同样的错误，并且有时还可以运气好或者坏。为此，只需选择得分加权后的最佳路径而不总是选择最佳路径即可。您可以通过让AI根据游戏结果改进其评估函数（即更新其权重）来使其更加有趣。这样，它就可以通过游戏学习到有限搜索深度下的更好评估函数，就像人类一样。
非专业人类玩家使用次优策略和有限战术。这些基本上对应于对游戏状态的差评估和有限的先见之明。
关于随机性，一点点是需要的，这样计算机就不会总是犯同样的错误，并且有时还可以运气好或者坏。为此，只需选择得分加权后的最佳路径而不总是选择最佳路径即可。您可以通过让AI根据游戏结果改进其评估函数（即更新其权重）来使其更加有趣。这样，它就可以通过游戏学习到有限搜索深度下的更好评估函数，就像人类一样。
- A. Webb
0
我在我的游戏中使用的一种方法是利用随机值。对于简单的游戏关卡，我会让选择随机数的几率更加有利于人类玩家。例如：
Easy level: only beat the human if you can randomly select a value less than 10 from the range of 1 to 100
Medium level: beat the human if you can select a random value which is less than 50 from a range of 1 to 100
Hard level: beat the human if you can randomly select a value less than 90 from a range of 1 to 100
我相信有更好的方法，但这可能会给你一个想法
- Ahmad
0
对于一个引擎来说，犯人类错误并不容易。减少搜索深度是一种直接的方法，但它也有其局限性。例如，将国际象棋引擎减少到一层时，往往会在仍有一件有价值的棋子被攻击时给出将军。当对手用反击来防御将军时，两个棋子都处于被吃的状态。即使是一个经验不足的人也不太可能犯这样的错误。
也许你可以从一个名为 Phalanx 的国际象棋引擎中借鉴一些思路： http://phalanx.sourceforge.net/index.html
它是为数不多的具有复杂难度级别（-e 选项）的开源引擎之一。如果我没记错的话，它执行正常搜索，但有时会忽略非显而易见的走法。evaluate.c 中包含一个名为 blunder 的函数，它评估一个走法是否容易被人类忽视。
- Philipp Claßen
0
最“简单”的方法是使用阈值和您的minmax结果，从这些超过阈值的结果中创建一个集合，然后随机选择程序要采取的选择/路径。 阈值越低，对手可能越容易。
我说可能是因为即使纯粹的运气也可能选择最佳移动，因此称之为“初学者的幸运”。
本质上，您正在寻找增加可能结果的熵（随机性）。 如果您想特别降低计算机对手的难度，可以限制minmax算法遍历的级别，或者降低算法某部分的点数价值。
- Wayne Weibel
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接