棋盘游戏 AI 的启发式函数

Question

我试图为一个棋盘游戏找到一个更好的启发式函数，我将在代码后指定其规则。我的评估功能是：

def evaluate(self, board):
        score = 0
        for i in range(board.LENGTH):
            for j in range(board.WIDTH):
                if board.board[i][j].token == "G":
                    score += 100 * (i+1) + 50 * (j + 1)
                if board.board[i][j].token == "R":
                    score -= 100 * (i+1) + 50 * (j + 1)
return score

初始板持有绿色和红色令牌，如图所示。人工智能先移动，使用与你相反的颜色，攻击你的代币。在黑色单元上，令牌可以正交(左、右、上、下)或对角移动。如果是在白血球上，你只能正交移动。

当您将令牌移动到对手令牌旁边时，您将删除该方向上所有对手的令牌。例如，如果我将绿色令牌从 C4 移动到 C5，我将杀死 C-6 到 C-9 上的所有 R 令牌。这称为前锋攻击。同样，如果你有一个令牌与对手的令牌相邻，你可以离开它，删除该行中的所有令牌。

显然，黑格上的代币有更多可能的招式。

对人工智能来说，什么是好的启发式函数？我现在的职能应该改变什么？

Answer 1

你的功能确实很差：它计算右下角和作品数量。D8处的一块价值超过中间的三块。

我建议你使用当前的人工智能技术:不要让我们为你做研究，而是开发一个探索空间的程序。开发一个基础广泛的评估函数，并执行遗传搜索以优化该函数的参数。

例如，遍历所有的片段，而不是行

• 占领黑色方块
• 相邻的敌人碎片
• 相邻的友好作品
• 在边缘或边缘/角落附近
• 可用移动

现在，让你的评价函数成为这些特征的线性组合。比如说，挑选100组参数。让这些程序在循环赛中互相竞争。

保留前 20 名完成者。通过突变和交叉再制作 80 组参数。重复比赛。

继续这些重复，直到程序强度收敛，或者至少达到让你满意的水平。