From c90da867a3ff232634321a08f553c1ab127720f1 Mon Sep 17 00:00:00 2001 From: 46135621 <87229030+46135621@users.noreply.github.com> Date: Thu, 20 Apr 2023 01:00:02 +0800 Subject: [PATCH] =?UTF-8?q?Update=204.3.1=E6=90=9C=E7=B4=A2.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- 4.人工智能/4.3.1搜索.md | 6 ++---- 1 file changed, 2 insertions(+), 4 deletions(-) diff --git a/4.人工智能/4.3.1搜索.md b/4.人工智能/4.3.1搜索.md index 775d015..04386b0 100644 --- a/4.人工智能/4.3.1搜索.md +++ b/4.人工智能/4.3.1搜索.md @@ -46,9 +46,7 @@ - 动作(Action) - - 一个状态可以做出的选择。更确切地说，动作可以定义为一个函数。当接收到状态 - - $s$作为输入时，$Actions(s)$将返回可在状态$s$ 中执行的一组操作作为输出。 + - 一个状态可以做出的选择。更确切地说，动作可以定义为一个函数。当接收到状态$s$作为输入时，$Actions(s)$将返回可在状态$s$ 中执行的一组操作作为输出。 - 例如，在一个数字华容道中，给定状态的操作是您可以在当前配置中滑动方块的方式。 ![](static/MpgrbCjtDo1NlLxVyL1cMH6FnAg.png) @@ -316,4 +314,4 @@ def remove(self): - 深度限制的极大极小算法(Depth-Limited Minimax) - 总共有$$255168$$个可能的井字棋游戏，以及有$$10^{29000}$$个可能的国际象棋中游戏。到目前为止，最小最大算法需要生成从某个点到终端条件的所有假设游戏状态。虽然计算所有的井字棋游戏状态对现代计算机来说并不是一个挑战，但目前用来计算国际象棋是不可能的。 - - 深度限制的 Minimax 算法在停止之前只考虑预先定义的移动次数，而从未达到终端状态。然而，这不允许获得每个动作的精确值，因为假设的游戏还没有结束。为了解决这个问题，深度限制 Minimax 依赖于一个评估函数，该函数从给定状态估计游戏的预期效用，或者换句话说，为状态赋值。例如，在国际象棋游戏中，效用函数会将棋盘的当前配置作为输入，尝试评估其预期效用（基于每个玩家拥有的棋子及其在棋盘上的位置），然后返回一个正值或负值，表示棋盘对一个玩家对另一个玩家的有利程度。这些值可以用来决定正确的操作，并且评估函数越好，依赖它的 Minimax 算法就越好。 \ No newline at end of file + - 深度限制的 Minimax 算法在停止之前只考虑预先定义的移动次数，而从未达到终端状态。然而，这不允许获得每个动作的精确值，因为假设的游戏还没有结束。为了解决这个问题，深度限制 Minimax 依赖于一个评估函数，该函数从给定状态估计游戏的预期效用，或者换句话说，为状态赋值。例如，在国际象棋游戏中，效用函数会将棋盘的当前配置作为输入，尝试评估其预期效用（基于每个玩家拥有的棋子及其在棋盘上的位置），然后返回一个正值或负值，表示棋盘对一个玩家对另一个玩家的有利程度。这些值可以用来决定正确的操作，并且评估函数越好，依赖它的 Minimax 算法就越好。