我正在学习人工智能，我可以实现什么游戏来实践它？

Question

我参加了人工智能课程，老师要求我们实现一个使用其中一种人工智能算法的游戏。这是我需要一些帮助的地方：

• 不知道每种算法适用于什么样的游戏
• 如果您能给出游戏或游戏类型及其使用的算法的示例，我将不胜感激

我不需要任何编码帮助，我可以管理它（我选择的语言是 Java）。我只需要在选择算法方面得到一点帮助。

Answer 1

作为 Ben 的回答的补充，一个好的组合是 alpha-beta 修剪以及像 connect 4 这样的游戏。对于井字棋之类的东西来说，启发式太简单了，而对于国际象棋来说，则又太复杂了。但是《连线 4》或类似的“中间道路”游戏可以是一个很好的地方，可以看到启发式如何在效率和质量方面产生巨大差异，而且它也足够复杂，甚至可以获得一些可以赢得一些胜利的“利基”启发式。场景优于其他通常更好的启发法。connect 4 的规则尤其简单，您可以很容易地想出自己的成功启发法来查看这些事情的实际情况。

另一种常见的 AI 是用于寻路的 A*，例如 RTS 或沙盒环境中的单位旅行。

Answer 2

α-β剪枝 一般来说，对于游戏树来说是一个很好的选择，尤其是像国际象棋和井字游戏这样的回合制游戏。

Answer 3

任何游戏都可以使用任何AI算法，如果你有一个“敌人”跟随你的2D游戏，你可以使用模糊逻辑来制定轨迹。就像您可以使用网络（任何类型）让他们“学习”跟随您的最佳方式一样。（如果它们足够多，你可以使用遗传算法让它们世代学习）

所以，想一些有趣的事情，然后询问人工智能可以在哪些方面改进决策，并享受乐趣（这是最重要的部分）

你可以检查 这本书 为了得到一些想法，我敢打赌你的大学在图书馆的某个地方有它

Answer 4

正如已经提到的，A* 是游戏中寻路的一个很好的算法。 这是一个教程 （带有来源）关于如何实现这一点。

祝你好运！

Answer 5

你可以尝试 N谜题 和 A* 搜索算法 使用 曼哈顿距离 作为 启发式函数.

Answer 6

马尔可夫链蒙特卡罗或 MCMC 算法怎么样？http://en.wikipedia.org/wiki/Markov_chain_Monte_Carlo

在我的人工智能中我在课堂上使用贝叶斯网络计算概率。这不是太难，但绝对是。有趣的。

Answer 7

您可以从简单的基于图块的地图和简单的路径查找算法开始，例如上面提到的 A*。之后您可以尝试在所有游戏地图上自由移动游戏。