问题标签 [game-ai]

假设我有多个用于特定棋盘游戏的 AI 程序，全部以不同的语言实现，并希望让它们在没有人类中介的情况下相互竞争。我该怎么办？

我想这对于人工智能研究人员、爱好者、游戏比赛等来说是一个普遍的问题。

有没有共同的架构？也许人工智能作为独立的进程运行，并通过套接字与中央“板”进程通信？

我使用流行的Monte Carlo Tree Search实现了一个 AI 下棋（也称为跳棋）。

我受到这个资源http://www.bailopan.net/checkers/的启发，它也是如此。

不幸的是，我的实现和那个实现有一个问题：虽然 AI 在游戏的早期和中期表现得非常好，但他们并不能很好地处理最终游戏：我发现他们最终只是移动最后的棋子而不是试图获胜.

我实现了模拟步骤，在未来 N 回合中为两名玩家随机移动（即：它直到最后才模拟游戏，而是进行大量回合）。

我给了人工智能大量的时间来考虑它，只是为了确保计算时间不是瓶颈。

我正在考虑使用一些基于域的启发式方法来调整模拟步骤，但如果需要，我不知道如何开发评估函数。

在这种情况下，你觉得我应该如何提高我的 AI 才能有更好的后期游戏呢？

背景：效用理论 Game AI 问题：如何解决死锁？场景：RTS 游戏 - 双方在游戏中只剩下一个单位，没有资源可以建造更多。

考虑只存在于封闭世界中的两个实体大猩猩和鲨鱼（模拟） 大猩猩和鲨鱼都由效用理论 AI 驱动

两者都不知道其他人的能力。双方都不知道如果发生战斗谁会赢。双方都不知道对方的位置。

从大猩猩的角度来看（也很容易成为鲨鱼）：

为了最大限度地发挥效用，它必须与鲨鱼战斗并击败它。

为了与鲨鱼战斗，大猩猩必须首先侦察鲨鱼。但是这样做可能会“撞上”鲨鱼并最终打架。

如果大猩猩要与鲨鱼战斗，它可能会失败，在这种情况下，这将与最大化效用相反。

因此，在这种情况下，效用理论 AI 最终只会出现在大猩猩和鲨鱼故意避开对方的地方。

然后这变成了僵局。之所以如此，是因为回避对方也是一种效用最大化的形式。

要打破僵局，需要让游戏 AI 随机使用非最优规则。例如“随机计划外攻击”

本质上，您如何将“结果未知”场景（或动作不确定的场景）建模为效用理论 AI。还是引入随机行为是唯一的方法？

我有这个想法来创建一个玩家创建一个机器人并定义其行为的游戏。然后机器人被送到一个开放的世界（一个非常简单的世界）并且必须尽可能长时间地生存。

目前我正在尝试找出正确的数据格式，我将在其中存储行为定义。有什么建议吗？

行为应该被定义为一组简单的条件和动作。我正在考虑某种树结构，其中内部节点将是条件，而叶子将代表动作，但是我很难提出一些实际可用的东西。

非常感谢！

我在 Python 中有一个简单游戏的简单实现。

游戏规则很简单：

• 2 玩家互相对战
• 每个玩家有 10 张牌
• 每轮玩家同时出牌
• 打出更高牌的玩家赢得该回合
• 当没有牌时，获胜回合数最多的玩家获胜

现在我想用神经网络构建一个人工智能

有一个init-Function，一个chooseMove-Function（这里可以看到敌人最后打卡）和一个gameOver-Function（这里可以看到游戏结果）

现在我的问题是：

-> 我该如何处理？我是为不同的动作构建不同的网络（1. 移动，2. 移动，....）还是为所有事情构建不同的网络？我将什么定义为输入和输出，我如何告诉网络什么是赢，什么是损失？

我是否已经为网络做了一些思考？（例如，当你赢得回合时，你的牌和敌人牌之间的差异很小，但如果你输掉回合，差异应该很大）

我知道这些都是非常基本的问题，也许这表明我对 NN 的理解不是很好，但我认为这可能有助于我理解 NN 的基础知识。

我正在尝试在一个简单的纸牌游戏中为 AI 玩家实现一个极小极大算法。但是，通过研究，我很困惑状态评估和启发式方法之间的主要区别是什么。

据我了解，启发式是由玩家可用的当前信息计算的（例如，在国际象棋中，棋子及其相关位置）。有了这些信息，他们得出一个基于启发式函数的结论，该函数基本上提供了“经验法则”。

状态评估是当前状态的准确值。

但是我不确定为什么这两种东西共存，因为我看不出它们之间有多大的不同。请有人详细说明，并消除我的困惑。谢谢。

我们正在使用 libGDX 开发基于回合的策略游戏。我们希望游戏能够在移动设备和浏览器上运行。游戏的人工智能必须执行相当复杂的计算。这些计算将冻结游戏循环。

问题是，libGDX 不支持 GWT/Javascript 后端的多线程。您将如何在不冻结游戏循环的情况下进行这些复杂的计算？

我真的不能说为什么，但是一旦 YouTube 向我推荐了一个关于遗传算法的视频，它真的让我眼前一亮，有人让 google chrome 无法通过学习 AI 单独跳跃和运行游戏。好吧，因为我正在为 Minecraft 编写插件，所以我有了一个想法，用自学 AI（遗传算法）制作基于 PvE 的游戏模式，但现在我很困惑从哪里开始，我可以让健身依赖于杀戮僵尸，或造成的伤害，但我不知道如何再次重现这个，不知何故我必须用人工智能控制运动、射击等，我不知道该怎么做，我希望有人可以帮助我，你理解我的问题。

我正在创建一个神经网络来玩井字游戏。我正在将 tflearn 用于神经网络。这是我正在使用的训练数据

它包含当前棋盘状态、9 个号码的列表和棋子 1 号码的位置。我将电路板和位置分离到数据和标签中。当我将数据输入神经网络时，出现此错误

ValueError：无法为张量 u'input/X:0' 提供形状 (30, 9) 的值，其形状为 '(?, 30, 9)'

这是我用来创建和训练模型的代码

任何人都可以澄清一下（因为我在任何地方都没有找到任何明确的例子）MCTS算法为第二个玩家迭代。

我看起来的一切似乎都在玩，例如每次都在玩 P1 移动。我了解一个代理的步骤，但我从来没有找到任何显示 P2 放置计数器的代码的东西，这在生长树时肯定会发生。

基本上我希望：

对于每个迭代：

选择节点 Player1 展开 Player1

选择节点 Player2 展开播放器 2

推出反向传播

下一次迭代

这是正确的吗？？有人可以拼出一些伪代码来显示吗？无论是迭代还是递归，我都不介意。

谢谢你的帮助。