El juego es un dominio importante de la inteligencia artificial. Los juegos no requieren mucho conocimiento; el único conocimiento que necesitamos proporcionar son las reglas, los movimientos legales y las condiciones para ganar o perder el juego.
Ambos jugadores intentan ganar el juego. Entonces, ambos intentan hacer el mejor movimiento posible en cada turno. Las técnicas de búsqueda como BFS (Breadth First Search) no son precisas para esto, ya que el factor de ramificación es muy alto, por lo que la búsqueda llevará mucho tiempo. Entonces, necesitamos otros procedimientos de búsqueda que mejoren:
- Generar procedimiento para que solo se generen buenas jugadas.
- Procedimiento de prueba para que se pueda explorar primero el mejor movimiento.
La técnica de búsqueda más común en los juegos es el procedimiento de búsqueda Minimax . Es un procedimiento de búsqueda de profundidad limitada primero en profundidad. Se utiliza para juegos como el ajedrez y el tres en raya.
El algoritmo Minimax utiliza dos funciones:
MOVEGEN: Genera todos los posibles movimientos que se pueden generar desde la posición actual.
EVALUACIÓN ESTÁTICA: Devuelve un valor dependiendo de la bondad desde el punto de vista de dos jugadores
Este algoritmo es un juego de dos jugadores, por lo que llamamos al primer jugador JUGADOR1 y al segundo jugador JUGADOR2. El valor de cada Node se respalda a partir de sus hijos. Para PLAYER1 el valor respaldado es el valor máximo de sus hijos y para PLAYER2 el valor respaldado es el valor mínimo de sus hijos. Proporciona el movimiento más prometedor para el JUGADOR1, suponiendo que el JUGADOR2 haya hecho el mejor movimiento. Es un algoritmo recursivo, ya que el mismo procedimiento ocurre en cada nivel.
Figure 1: Before backing-up of values
Figure 2: After backing-up of values
Suponemos que PLAYER1 comenzará el juego. Se generan 4 niveles. El valor de los Nodes H, I, J, K, L, M, N, O lo proporciona la función STATICEVALUATION. El nivel 3 es el nivel de maximización, por lo que todos los Nodes del nivel 3 tomarán los valores máximos de sus hijos. El nivel 2 es un nivel de minimización, por lo que todos sus Nodes tomarán valores mínimos de sus hijos. Este proceso continúa. El valor de A es 23. Eso significa que A debe elegir la jugada C para ganar.
Referencia: Inteligencia artificial de Rich and Knight
Publicación traducida automáticamente
Artículo escrito por India_1998 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA