4

三目並べのゲームで最小最大アルゴリズム (コンピューター AI) を機能させようとしています。私は何日もこれにこだわっています。"O"基本的に、コンピューター AI が単純にマーカー ( ) をボード ピースから順番に配置する理由がわかりません0-8。

たとえば、人間のプレイヤーとして、私が を選択する1と、コンピューターは を選択します0。

 O| X| 2
--+---+--
 3| 4| 5
--+---+--
 6| 7| 8

次に、私が を選択する4と、コンピューターは を選択します2。

 O| X| O
--+---+--
 3| X| 5
--+---+--
 6| 7| 8

等々：

 O| X| O
--+---+--
 O| X| O
--+---+--
 X| 7| X

できる限り minmax アルゴリズムをデバッグしましたが、何が起こっているのかを追跡するのが非常に難しくなっています。

これは、アルゴリズムを使用したComputerPlayerクラスです (すべての print ステートメントはありません)。方法は、minmax私が多くの問題を抱えているところです。(私は、worst_scoreまたは関連するロジックを使用することに 100% 確信があるわけではありません。)

class ComputerPlayer < Player
  def move(game_board)
    minmax(game_board) #minmax to create @best_move

    game_board.place_piece(@best_move, marker)
  end

  def minmax(board, player_tracker = 0) 
    if board.game_over?
      return score(board)
    else
      worst_score  = (1.0/0.0) #Infinity
      best_score  = -(1.0/0.0) #-Infinity
      @best_move  = board.get_available_positions.first

      new_marker = player_tracker.even? ? 'O' : 'X'
      player_tracker += 1

      board.get_available_positions.each do |move|
        new_board = board.place_piece(move, new_marker)
        current_score = minmax(new_board, player_tracker)
        if new_marker == marker #if the player is the computer player
          if current_score > best_score
            @best_move = move
            best_score = current_score
          end
        else
          if current_score < worst_score
            worst_score = current_score
          end
        end
      end
    end
    return best_score
  end

  def score(board)
    if board.winner == "O" #'O' == 'O', 'nil' == 'O'
      10
    elsif board.winner == "X" #'X' != 'O', 'nil' != 'O'
      -10
    elsif board.winner == nil
      0
    end
  end
end
4

1 に答える 1

3

問題は、minmax が常に best_score を返すことです。

minmax ルーチンは、常に 2 人のプレーヤーを切り替えます。シミュレートされている現在のプレーヤーがコンピュータ プレーヤーである場合、最高のスコアは最高スコアであり、シミュレートされている現在のプレーヤーが人間のプレーヤーである場合、最高のスコアは最低のスコアです。

反復のために残りのすべての動きを試し、対応するスコアをローカル ハッシュで追跡するようにルーチンを書き直しました。終了すると、現在シミュレートされているプレーヤーに応じて、最高のスコアが返され、最高の動きが設定されます。

def minmax(board, player_tracker = 0, iteration = 0) #minmax
    if board.game_over?
        return score(board, iteration)
    end

    new_marker = player_tracker.even? ? 'O' : 'X'

    scores = {}
    board.get_available_positions.each do |move|
        new_board = board.place_piece(move, new_marker)
        scores[move] = minmax(new_board, player_tracker + 1, iteration + 1)
    end

    if player_tracker.even?
        @best_move = scores.sort_by {|_key, value| value}.reverse.to_h.keys[0]
    else
        @best_move = scores.sort_by {|_key, value| value}.to_h.keys[0]
    end

    return scores[@best_move]
end

精度をさらに高めるために、スコア ルーチンを書き直して、スコアリングするボードを作成するために必要な反復も考慮しました。3回で勝つよりも1回で勝てるほうがいいですよね？

def score(board, iteration)
    # "O", "X", "nil"
    if board.winner == "O" #'O' == 'O', 'nil' == 'O'
      10.0 / iteration
    elsif board.winner == "X" #'X' != 'O', 'nil' != 'O'
      -10.0 / iteration
    elsif board.winner == nil
      0
    else
      raise "ERROR"
    end
end

これらの 2 つのルーチンの置き換えにより、コンピューターが実行する手順はより論理的に見えます。

于 2015-04-24T06:27:30.173 に答える