Python反转/奥赛罗AI在1秒内工作

Question

---

在最近的一项任务中，我们被赋予了创建反转/奥赛罗AI的任务，该AI可以在1s下进行有效移动。我从一个简单的机器人开始，它接受所有可用的动作，并根据棋盘上的值对其进行评分。在第二个机器人上，我还为排名增加了移动价值。现在，我制作了一个机器人，它以minmax 3向前移动进行搜索，并根据分数评估移动。我的问题是，它被领先一步的分数/移动机器人打败了。这有可能吗？或者我把AI编码错了？是因为我只向前搜索了3步吗？

我的机器人以这个开头：

possible_moves = self.get_available_moves(board,self.my_color,self.opponent_color)
for [x, y] in possible_moves:
    new_board = self.make_board_copy(board)
    new_board[x][y] = self.my_color
    new_alpha = self.minmax(new_board,1,alpha,beta)
    if new_alpha > alpha:
        alpha = new_alpha
        best_move = [x,y]

然后转到这个：

    def minmax(self, board, depth, alpha, beta):
    # END NODE
    if depth == self.max_depth:
        return self.evaluate(board)
    else:
        # MAX NODE = MY MOVE
        if depth % 2 == 0:
            possible_moves = self.get_available_moves(board,self.my_color,self.opponent_color)
            for [x, y] in possible_moves:
                new_board = self.make_board_copy(board)
                new_board[x][y] = self.my_color
                new_alpha = self.minmax(new_board,depth+1,alpha,beta)
                if new_alpha > alpha:
                    alpha = new_alpha
                if alpha > beta:
                    return alpha
            return alpha
        # MIN NODE
        else:
            possible_moves = self.get_available_moves(board,self.my_color,self.opponent_color)
            for [x,y] in possible_moves:
                new_board = self.make_board_copy(board)
                new_board[x][y] = self.my_color
                new_beta = self.minmax(new_board, depth + 1, alpha, beta)
                if new_beta < beta:
                    beta = new_beta
                if beta < alpha:
                    return beta
            return beta

我检查了很多次代码，仍然不知道我的代码是坏的，还是人工智能因为搜索不够深入而被打败了。

Answer 1

如果使用相同的评估，我认为较低深度的搜索不太可能击败较高深度的搜索，而且可能是不可能的。

你能多解释一下alpha和beta，以及minmax函数吗，或者展示更多的代码？阿尔法和贝塔总是阳性吗？

我认为你的奇数节点功能可能有问题：

if new_beta < beta:
    beta = new_beta
if beta < alpha:
    return beta

如果alpha和beta都是正值，那么您希望第一行是

if new_beta > beta:

这也取决于你如何在棋盘上得分。这显然非常重要——我不知道你的人工智能是否试图从游戏中学习这一点，或者你是否根据各种位置因素和判断对其进行了评估。