artificial-intelligence - 哪些 AI 算法可用于玩可能信息不完整的概率游戏？

Question

极小极大算法和蒙特卡洛树搜索 (MCTS) 可用于实现具有完整信息的玩确定性（即非概率）游戏（如国际象棋或井字游戏）的代理。

是否有适用于信息不完整的游戏和/或具有概率成分的游戏（例如扑克或桥牌）的通用方法？

Answer 1

是的。不过，你同时问了几个问题。

最简单的可能性是像西洋双陆棋这样的游戏，其中包括概率，但信息完整。minimax 的扩展很简单，称为expectiminimax。

不完整的信息通常被称为“部分可观察性”，并且存在于像 kriegspiel 这样的游戏中，这是国际象棋的一种变体，你看不到对手的棋子。在这里，树搜索的扩展是您的树依赖于感知序列而不是单个棋盘状态。正如您可能想象的那样，这会很快炸毁树。

纸牌游戏通常两者兼而有之，并且需要两种技术。

请注意，这些简单的扩展只是表面上的。就像国际象棋和围棋需要的不仅仅是简单的搜索树一样，部分可观察的随机游戏需要的不仅仅是扩展。当行动有概率结果（即失败的机会）时，你就进入了深入的学术研究领域。