我正在尝试一种算法，该算法可以对自己进行ticTacToe游戏，并从获胜条件中学习。当它获胜时，它会再次检查它所做的所有动作，并增加下次出现相同情况的可能性。我以前从未做过这样的事。所以我的想法是，我需要所有可能的动作组合。
在第一轮中，PC必须从9个元素的列表中进行选择，每个元素代表游戏中的一个瓦片。然后其他玩家可以从8中进行选择。但是：必须有9个不同的名单玩家两个可以选择。当玩家一选择数字2时，玩家二可以从不包括数字2的元素列表中进行选择。
因此，我需要在第一行列出9个元素。在第二节中，我需要9个列表，每个列表包含8个元素，依此类推
这变得相当大，所以我需要自动创建这些组合。我的想法是创建包含更多列表或可供选择的元素的列表。然后我可以浏览这些列表，告诉玩家从哪个列表(或大列表中的路径(中进行选择。我真的不确定是否有一种简单的方法可以做到这一点，尤其是创建这些列表。我还找不到路。然后我看到了树数据类型，它似乎很强大，但我不确定这是否是我搜索的正确数据类型。希望你能给我建议
编辑：为了清楚起见，我知道有一个minmax算法等。我想做的是让游戏与自己进行很多对抗，让它找到自己的学习方式。只要知道他赢与否的结果。
您计划采用的方法可能被视为蚁群算法。正如你的描述所指出的，这个想法是根据一些启发式方法探索可用的路径，并回溯所遵循的路径，以增加/减少在后续迭代中再次采用相同路径的概率，从而有效地加权图的边(在这种情况下是TicTacToe的状态树(。在这个过程结束时，获胜的路径将比失败的路径具有更大的重量，这将使您的发动机能够通过遵循最重的边缘来很好地发挥TicTacToe。如果你感兴趣，这里有一些链接：维基，研讨会幻灯片。
IMO算法的性质需要某种树/图数据结构来简化回溯和邻居发现，我个人会这样做，而不是使用列表列表。为此，您可以尝试NetworkX库。
另外，我同意@martin-wettstein的评论，即利用董事会对称性将减少需要考虑的董事会状态的数量，并将以稍微复杂的逻辑为代价提高性能。
事实上，我前段时间实现了和你相同的方法，这真的很有趣，所以祝你好运