具有极小极大值的三维Tic Tac Toe

Question

我正在尝试用Alpha-beta剪枝来实现Minimax，这是一款3D Tic-Tac-Toe游戏。然而，该算法似乎选择了次优路径。

例如，你可以通过直接跑过立方体的中间或穿过单板来赢得比赛。人工智能似乎选择了下一轮最佳的细胞，而不是当前一轮。

我尝试过重新创建并使用我返回的启发式算法，但没有取得多大进展。不管是哪一层，它似乎都有同样的问题。

代码在这里。

相关部分是computers\u move和think\u ahead（以及'2'变体，这些只是我在尝试一种稍微不同的方法）。

我希望这可能是我忽略的一些简单的事情，但就我所知，我不确定问题是什么。如果有人能解释这个问题，我将不胜感激。

def computers_move2(self):
    best_score = -1000
    best_move = None
    h = None
    win = False

    for move in self.allowed_moves:
        self.move(move, self.ai)
        if self.complete:
            win = True
            break
        else:
            h = self.think_ahead2(self.human, -1000, 1000)
        self.depth_count = 0
        if h >= best_score:
            best_score = h
            best_move = move
            self.undo_move(move)
        else:
            self.undo_move(move)

    if not win:
        self.move(best_move, self.ai)
    self.human_turn = True

def think_ahead2(self, player, a, b):
    if self.depth_count <= self.difficulty:
        self.depth_count += 1
        if player == self.ai:
            h = None
            for move in self.allowed_moves:
                self.move(move, player)
                if self.complete:
                    self.undo_move(move)
                    return 1000
                else:
                    h = self.think_ahead2(self.human, a, b)
                    if h > a:
                        a = h
                        self.undo_move(move)
                    else:
                        self.undo_move(move)
                if a >= b:
                    break
            return a
        else:
            h = None
            for move in self.allowed_moves:
                self.move(move, player)
                if self.complete:
                    self.undo_move(move)
                    return -1000
                else:
                    h = self.think_ahead2(self.ai, a, b)
                    if h < b:
                        b = h
                        self.undo_move(move)
                    else:
                        self.undo_move(move)
                if a >= b:
                    break
            return b
    else:
        diff = self.check_available(self.ai) - self.check_available(self.human)
        return diff

Answer 1

结果表明我的算法似乎运行良好。问题是由我的助手函数move和undo\u move引起的。此外，根本问题是我的一系列允许动作。

我注意到，当它探索树时，在computer_plays的最外层循环中，移动次数大幅减少。即使在第一次扫荡中，计算机和人类玩家每对回合允许的移动次数也会从总共27次减少到20次，然后是10次，最终是5次。

原来暂时测试的动作没有被替换。因此，我将集合替换为标准列表，并在每次移动/撤消后对列表进行排序，从而完全解决了我的问题。