Algorithm 博弈的最小-最大评价函数

我正在开发一款游戏（坦克游戏2D），（eg-）AI播放器。我的玩家将是其他5名玩家（AI）中的一名，他们为获得最大硬币而玩游戏时会随机出现在网格中的某个位置。（请看上面给出的图片）。玩家也可以互相射击。健康包也会随机出现在网格中的某个地方

---

因此，为了使用最小-最大树并找出最聪明的下一步，我必须构建一个评估函数。问题出现在这里，我以前没有使用这种评估功能的经验。我是否应该遵循任何指导原则，或者是否有一种通用的方法来执行它？我的意思是我脑子里有一些东西，我不确定它是否能起作用。你能告诉我应该研究哪个领域吗。我在谷歌上搜索了一下，发现了很多东西，但没有合适的教程或类似的东西。多谢各位

基本上，对游戏进行评估的最佳方法是：

• 玩游戏-试着看看你试图避免哪些情况，哪些是好的。试着把这些情况描述成一个总体评估
• 研究-可能有人已经研究过这个或类似的问题，如果是的话-可能有一些文章或其他材料建议使用一些启发式函数

我要做的如下：

创建一组启发式函数，每个函数描述游戏的一个方面（距离最近的敌人的距离、敌人的火力线、我的健康栏等等）。我会玩这个游戏来尽可能多地扩展这个列表，当然也会在网上寻找其他人可能为这个/类似游戏找到的想法

从第一步开始，我们实际上得到了一组函数：

h_1（board），h_2（board），…，h_n（board）

——但我们仍然不知道什么是启发式函数

我试图找到一些参数

a_1，a_2，…，a_n

，并创建我的启发式函数：

h（board）=a_1*h_1（board）+a_2*h_2（board）+…+a_n*h_n（板

现在的问题是——如何获得这些参数。请注意，现在我们有一个优化问题。
这个特定问题的一个解决方案是蒙特卡罗学习

蒙特卡洛学习：

蒙特卡罗学习的思想是创建一个代理列表（AI），每个代理都用

a_1，…，a_n

-的一些随机值初始化，并在它们之间进行比赛。
比赛结束后，根据表现最好的代理更改每个代理的

a_1，…，a_n

值，然后重新运行比赛。（一种方法类似于“生成”步骤-交叉和突变，但也有其他方法）

---

最后-蒙特卡罗学习过程应为您提供

a_1，…，a_n

-的良好值，这将为您提供一个良好的棋盘启发功能。

基本上，获得游戏评估的最佳方法是：

• 玩游戏-试着看看你试图避免哪些情况，哪些是好的。试着将这些情况形成一个总体评估
• 研究-可能有人已经研究过这个或类似的问题，如果是的话-可能有一些文章或其他材料建议使用一些启发式函数

我要做的如下：

创建一组启发式函数，每个函数描述游戏的一个方面（与最近的敌人的距离、敌人的火力线、我的健康栏等）。我会玩游戏以尽可能扩展此列表，当然，也会在线查找其他人可能为此/类似游戏找到的想法

从第一步开始，我们实际上得到了一组函数：

h_1（board），h_2（board），…，h_n（board）

——但我们仍然不知道什么是启发式函数

我试图找到一些参数，并创建我的启发式函数：

h（board）=a_1*h_1（board）+a_2*h_2（board）+……+a_n*h_n（board

现在的问题是——如何获得这些参数。请注意，现在我们有一个优化问题。
这个特定问题的一个解决方案是蒙特卡罗学习

蒙特卡洛学习：

蒙特卡罗学习的思想是创建一个代理列表（AI），每个代理都用

a_1，…，a_n

-的一些随机值初始化，并在它们之间进行比赛。
比赛结束后，根据表现最好的代理更改每个代理的

a_1，…，a_n

值，然后重新运行比赛。（一种方法类似于“生成”步骤-交叉和突变，但也有其他方法）

---

最后，蒙特卡罗学习过程应该为

a_1，…，a_n

提供良好的值，这将为棋盘提供一个良好的启发式函数。

因此，问题是，如何编写评估函数？有很多这样的例子，但它们显然是专门针对其领域的。国际象棋棋盘评估函数ion在这里帮不了你太多。告诉我们你的想法。是的，国际象棋的评估功能帮不了你。我是这样想的。我必须优先考虑玩家的需要。最大的优先权是玩家不应该被杀，所以如果有其他玩家向我开枪，我应该立即离开子弹的轨道。收集硬币接下来是mes。像wise一样，我可以对需求进行优先级排序，并为每个需求分配一个常量值。评估过程如下，它将返回每个需求与相应常量值的乘积之和。最大优先级需求将得到一个更高的常量值。听起来是一个不错的开始。似乎您的优先级应该根据您的需求而有所不同健康。如果你的健康状况非常好，那么购买健康套餐的优先级应该很低。但是，如果你在死亡之门，那么购买健康套餐可能比一枚硬币更有价值。你能做什么