Othello Alpha-Beta Pruning Playing Badly Python

Question

私は現在、Othelloの良いAIを作成しようとしており、Minimaxアルゴリズムを使用してそうしています。しかし、Alpha-Beta Pruningを使用してより深い検索をしようとしたとき、アルゴリズムがひどく再生されているように見えました。 WikiやBerkely.eduなどの他のソースで確認しましたが、正しく実装したと思いますが、それでも問題は見つかりません。

def alphabeta(board, player, a, b, lev):
        h = heur(board, player)
        if lev == 0:
                return h, None
        poss = get_legal_moves(board, player)
        if len(poss) == 0:
                return h, None
        move = 0
        for x in poss:
                cpboard = board[:]
                cpboard[x] = player
                bracket(cpboard, player, x)
                a1, q = alphabeta(cpboard, opponent_color(player), a, b, lev-1)
                if player is me:
                        if a1 > a:
                                a, move = a1, x
                else:
                        if a1 < b:
                                b, move = a1, x
                if b <= a:
                        break
        if player is me:
                return a, move
        else:
                return b, move

Answer 1

あなたのアルファベータコードはおそらく間違っています。プレーヤーが「ターンを通過する」ときに何が起こるか（つまり、利用可能な動きがない）に注意してください。これにより、コードにトリッキーなバグがありました。

アルファ値とベータ値を切り替えた状態で再帰を呼び出しましたか？鉱山はこのように機能します（Java Code）：

private float minimax(OthelloBoard board, OthelloMove best, float alpha, float beta, int depth)
{
    float bestResult = -Float.MAX_VALUE;
    OthelloMove garbage = new OthelloMove();

    int state = board.getState();
    int currentPlayer = board.getCurrentPlayer();

    if (state == OthelloBoard.STATE_DRAW)
        return 0.0f;
    if ((state == OthelloBoard.STATE_BLACK_WINS) && (currentPlayer == OthelloBoard.BLACK))                    
        return INFINITY;        
    if ((state == OthelloBoard.STATE_WHITE_WINS) && (currentPlayer == OthelloBoard.WHITE))
        return INFINITY;
    if ((state == OthelloBoard.STATE_BLACK_WINS) && (currentPlayer == OthelloBoard.WHITE))
        return -INFINITY;
    if ((state == OthelloBoard.STATE_WHITE_WINS) && (currentPlayer == OthelloBoard.BLACK))
        return -INFINITY;

    if (depth == maxDepth)
        return OthelloHeuristics.eval(currentPlayer, board);

    ArrayList<OthelloMove> moves = board.getAllMoves(currentPlayer);

    for (OthelloMove mv : moves)
    {            
        board.makeMove(mv);
        alpha = - minimax(board, garbage, -beta, -alpha, depth + 1);
        board.undoMove(mv);

        if (beta <= alpha)
            return alpha;
        if (alpha > bestResult)
        {                
            best.setFlipSquares(mv.getFlipSquares());
            best.setIdx(mv.getIdx());        
            best.setPlayer(mv.getPlayer());
            bestResult = alpha;
        }
    }

     return bestResult;
}

通話は次のようです：

 OthelloMove bestFound = new OthelloMove();
 int maxDepth = 8;
 minimax(board, bestFound, -Float.MAX_VALUE, Float.MAX_VALUE, maxDepth);
//Wait for Thread to finish
 board.makeMove(bestFound);

編集：プレーヤーに使用可能な動きがない場合、getallmoves（）は「ダミーの動き」を返しますが、ボードがまったく変更されず、ターンをパスするだけです。

それが役に立てば幸い！

Answer 2

あなたのAlphabetaの実装は私には健全に見えます。 MinimaxとAlphabetaは、正しく実装されたときに同じ結果を生成するため、少なくとも控えめな検索深度のために、古いMinimaxコードをAlphabetaに対するチェックとして使用できるはずです。同じゲームツリーを検索するときに結果が異なる場合、あなたは何か間違ったことをしたことを知っています。

しかし、おそらく、貧弱な遊びはあなたの「heur」評価機能の何かの結果です。