问题标签 [evaluation-function]

我正在尝试为“获得四个”游戏编写一个简单的 AI。基本的游戏原理已经完成，所以我可以扔不同颜色的硬币，它们相互堆叠并填充一个 2D Array 等等。到目前为止，这是该方法的样子：

X 是水平坐标，因为 y 坐标取决于阵列中已经有多少石头，我认为这个想法很明显。

现在的问题是我必须对特定的游戏情况进行评分，因此找出在特定情况下我可以连续获得多少新对、三胞胎和可能的 4 个，然后为每种情况赋予特定值。有了这些值，我可以设置一个“游戏树”，然后决定下一步哪个动作最好（稍后实施 Alpha-Beta-Pruning）。我目前的问题是我想不出一种有效的方法来在 java 方法中实现对当前游戏情况的评级。
任何想法将不胜感激！

我有时会编写程序来玩棋盘游戏。基本策略是标准的 alpha-beta 修剪或类似搜索，有时会通过通常的残局或开局方法来增强。我主要玩国际象棋变体，所以当需要选择我的评估函数时，我使用基本的国际象棋评估函数。

但是，现在我正在编写一个程序来玩一个全新的棋盘游戏。如何选择一个好的甚至像样的评估函数？

主要挑战是相同的棋子总是在棋盘上，所以通常的材质函数不会因位置而改变，而且游戏已经玩了不到一千次左右，所以人类不一定会玩够还没有给出见解。（PS。我考虑过 MoGo 方法，但随机游戏不太可能终止。）

游戏详情：游戏在 10×10 棋盘上进行，每边固定 6 个棋子。这些棋子有一定的运动规则，并以一定的方式相互作用，但从来没有一个棋子被捕获。游戏的目标是在棋盘上的某些特殊方格中有足够的棋子。计算机程序的目标是提供与当前人类玩家竞争或更好的玩家。

我必须在 Prolog 中实现一个智能版本的 Hijara Game。您可以在以下链接中玩游戏并了解规则：http: //www.sapphiregames.com/online/hijara.php

我将使用 Alpha Beta 算法（直到搜索树的某个级别）。这是我第一次接触人工智能，我不知道如何创建算法使用的评估函数。如果有人能帮助我，我将不胜感激

谢谢！

我有一个“连接 4”游戏的 java 实现（列和行数可变）。

该实现使用（根据用户的选择）Mini-max 的 Mini-max 算法，带有 Alpha-beta 剪枝，最大搜索深度为maxDepth

我现在的问题是为板的状态设计一个好的评估函数（这是在 maxDepth 处返回的值）。

该值介于-100（最差选择，对应于失败的情况）和100（最佳选择，对应于获胜的情况）之间，其中0应该是“平局”情况。

其实我已经实现了两个功能（我报告伪代码，因为代码很长）

1)

• 不赢/不输

--> 如果表已满 ==> 绘制 (0)

--> 如果表未满 ==> 不确定情况 (50)

• 赢

--> 如果我赢了：100

--> 如果对手获胜：-100

2)

我需要设计第三个（如果可能更好）功能。有什么建议吗？

先感谢您。

游戏名为 wizwoz：

两个玩家，红色（称为 r）和金色（称为 g）最初选择两个值 n 和 k。创建一个 n × n 的棋盘，其中 k“r”和 k“g”随机放置在棋盘上。从玩家 r 开始，每个玩家将他/她的字母（玩家 r 为“r”，付款人 g 为“g”）放在棋盘上的一个空方格中。棋盘填满后，每个玩家的分数等于棋盘上用该玩家颜色填充的最大连接区域（其中连接区域是一个区域中的任何两个方格都存在仅由 N/S/E 组成的路径/W 移动）。得分最高的玩家获胜，并获得他/她的得分与其他玩家得分之间的差额。下面显示了两个已完成游戏的示例，其中列出了每个玩家的最大连接区域。

我正在编写 alpha-beta 修剪算法并坚持使用评估函数。

有什么帮助吗？最好使用伪代码。

I'm actually working on a board game which is a variant of the TIC-TAC-TOE game. The specifics of the game are the followings :

1. The game is played on a nxn board, with n variable.

2. A player wins if he succeeds in placing k alignments the first, k is variable.

3. An alignment is constituted of l marks (X or O) in a horizontal, vertical or diagonal. l is fixed.

4. If the nxn grid is full (no player can add a mark either X or O) and no player succeeded in placing k alignments so the game is drawn.

I'm using an minmax with alpha-beta prunning algorithm. This is my first program with artificial intelligence and I don't know exactly how to create the evaluation function to be used by the algorithm. I saw some examples on the net which use a material weighting to evaluate a position but I can't apply that in my case. Actually, I'm using a radom evaluation function which returns a value between -100 and 100.

Any idea on how can I evaluate a given board configuration ?

我正在使用 R 的 caret 包进行一些网格搜索和模型评估。我有一个自定义评估指标，它是绝对误差的加权平均值。在观察级别分配权重。

这里给出了一个示例，说明如何使用 summaryFunction 为插入符号的 train() 定义自定义评估指标。去引用：

trainControl 函数有一个名为 summaryFunction 的参数，它指定了一个计算性能的函数。该函数应具有以下参数：

data 是数据框或矩阵的参考，其列称为 obs 和 pred 用于观察和预测的结果值（用于回归的数字数据或用于分类的字符值）。目前，类概率没有传递给函数。数据中的值是单个调整参数组合的保留预测（及其相关参考值）。如果 trainControl 对象的 classProbs 参数设置为 TRUE，则数据中将出现包含类概率的其他列。这些列的名称与类级别相同。lev 是一个字符串，它具有从训练数据中获取的结果因子级别。对于回归，NULL 值被传递到函数中。model 是正在使用的模型的字符串（即

我不太清楚如何将观察权重传递给 summaryFunction。

我做了一个非常简单的函数，它接受一个数字列表并返回一个由一些数字四舍五入的数字列表：

但是，我错误地将函数本身放在代码中而不是内置函数中round()（如下例所示）：

并得到这个输出：

问题是：解释器如何知道它必须rounded()在评估函数rounded()本身时应用函数？rounded()如果它试图解释那个函数，那么现在它怎么可能是一个浮点函数呢？是否有一种两循环程序来评估和解释函数？或者我在这里有什么问题吗？

我正在探索如何在带有 alpha-beta 修剪的四人游戏中使用 Minimax 算法。

因此，我查看了有关 Connect4 播放器策略的源代码，发现了这个评估函数：

我在这个 PDF 中找到了所有这些代码：http ://ryanmaguiremusic.com/media_files/pdf/ConnectFourSource.pdf

我只是想了解此评估功能的工作原理并决定要采取的最佳行动……有人可以帮我吗？这将不胜感激。

我用java编写了一个游戏。游戏很简单（参考下图）。有4只鸟和1只幼虫。这是一个 2 人游戏（AI 与人类）。

• 幼虫可以斜向前和斜向后移动
• 鸟类只能沿对角线向前移动
• 如果能到达 1 号线（栅栏），则幼虫获胜
• 如果鸟儿没有动作，幼虫也会获胜
• 鸟类不能“吃掉”幼虫。
• 如果幼虫没有向左移动（根本无法移动），鸟类获胜

当游戏开始时，幼虫开始，然后一只鸟可以移动（任何一只），然后是幼虫，等等......

我已经实现了 MiniMax（Alpha Beta Pruning）并且我正在使用以下评估（）函数（启发式函数）。

让我们为棋盘上的每个方格给出以下数字。

因此，我们的评价函数为

h(n) = 幼虫位置值 - 鸟 1 位置值 - 鸟 2 位置值 - 鸟 3 位置值 - 鸟 4 位置值

幼虫会尝试最大化启发式价值，而鸟类会尝试最小化它

例子：

然而，这是一种简单而幼稚的启发式方法。它不会以聪明的方式行事。我是 AI 的初学者，我想知道我可以做些什么来改进这个启发式函数？

什么是好的/知情的启发式？