Algorithm 扩展“的极小极大值”；“同时”；移动游戏

我正试图为一款类似口袋妖怪的游戏编写一个人工智能，除了所有的动作都是两个玩家事先知道的（所有东西都是两个玩家都能看到的）。我已经记录了我需要的所有信息，比如伤害、准确度、致命概率等等

我原以为我的目标是一个Expectiminimax（已知算法）解决方案，这似乎是合理的，但我遇到了一个障碍：如何处理谁先去的顺序。当然，这是基于当前玩家的速度和谁更快开始，但有些动作会获得优先权，并最终以第一个动作结束，尽管他们的速度

举个例子，我的对手速度更快，他使用的是一个非常强大的能力，但我使用的是一个优先的格挡，完全否定了他的能力。我不能再假装他先走了，因为我的行动会取消他的出局

---

也许我只是想得太多了，但当我试图在纸上写下我的预期最大值时，这就成了一个真正的问题。

同时移动的最简单解决方案是假装你先移动，这就是所谓的偏执假设（因为你假装你的对手能读懂你的心思，知道你将采取什么移动）。通过计算特定于玩家的游戏树，可以独立地为每个玩家做出偏执假设。如果你想成为最先进的，我只是Google这些文件：，./p>我从来没有玩过口袋妖怪，但听起来你需要考虑任何玩家在每个游戏树节点上移动的可能性（与标准的Mimax不同，当每个玩家只在交替的树级别上玩）。这将使人工智能算法稍微复杂化，因为它需要考虑一个特定的子节点是否需要最小化或最大化，以每个孩子为基础，而不是每棵树级的基础，但我认为它仍然是可行的。