Algorithm 负最大否定

对不起，如果这是一个愚蠢的问题，但我感到困惑。Negamax在开始时检查是否已达到结束状态或最大深度。然后插入一个评估函数，该函数返回状态的负或正分数（一个对一方有利，另一方不利，反之亦然）。我发现下面的否定句很难让我清醒过来。这是否意味着返回的分数乘以-1？这能实现什么？我欣赏leaf sates的“泡泡”备份在最低/最高分数之间交替进行

---

线条：-NegaMax（c，深度+1，单色）

这用于在交替移动的游戏中翻转透视。在每个状态下，您都希望根据当前玩家计算分数（正面是好的，负面是坏的）。当你观察某个儿童状态时，对手将移动到那里，因此negamax将根据他返回估计分数。你需要否定它才能得到第一个玩家的分数

示例：在每个状态中，选择最大被否定子级数：

---

这用于在交替移动的游戏中翻转透视图。在每个状态下，您都希望根据当前玩家计算分数（正面是好的，负面是坏的）。当你观察某个儿童状态时，对手将移动到那里，因此negamax将根据他返回估计分数。你需要否定它才能得到第一个玩家的分数

示例：在每个状态中，选择最大被否定子级数：

---

我不知道你为什么要增加深度。Negamax将当前玩家的位置最大化。执行搜索时，应调用

-negamax（位置，深度-1）

。当你做出一个动作时，你想在每一个动作上逆转评估分数。例如，如果要移动的是白色，则eval应该是规则的，如果要移动的是黑色，则eval应该将黑色作为正值进行评分，因此

if（turn==black），则eval=-eval

。你这样做是因为negamax算法最大化了玩家的得分。

我不知道你为什么要增加深度。Negamax将当前玩家的位置最大化。执行搜索时，应调用

-negamax（位置，深度-1）

。当你做出一个动作时，你想在每一个动作上逆转评估分数。例如，如果要移动的是白色，则eval应该是规则的，如果要移动的是黑色，则eval应该将黑色作为正值进行评分，因此

if（turn==black），则eval=-eval

。你这样做是因为negamax算法使玩家得分最大化。

但是如果我们有两个终端状态，分别从父节点状态的-2和-500进行评估，从最小化的角度来看，你会选择2到500（乘以-1）选择500，这很好，但如果从最大化者的角度来看，你会选择500，这是不对的？！很明显，我遗漏了一些非常明显的东西，因为negmax工作正常，但如果您能帮助我理解这一点，那就太好了。@user2976086 negamax的想法是，两个玩家都是最大化者，但其中一个会最大化否定分数。如果我们有应该移动的玩家输球的状态，那么不管是哪一个玩家，它都会有分数

-无穷大。Negamax总是选择这样一种状态，因为它的否定分数是
+无穷大
。这更有意义！因此，我创建并放入negamax的评估函数将返回一个对任何一方都不明确获胜的州的分数，该分数将乘以玩家（-1或+1）。然而，如果双方都明显获胜，只需返回负无穷大（不要乘以玩家）？@user2976086，在大多数游戏中，最终状态都是失败的（对手刚刚俘获了我的国王并赢得了比赛），所以这是
-inf
，但有时他们赢了（对手刚刚输掉了比赛），所以
+inf
。你之前说过“…如果我们有应该移动的玩家输球的状态，它将有分数-无穷大，不管它是哪个玩家…”但是如果我们有两个终端状态，从父节点状态分别在-2和-500处评估，从最小化的角度来看，你会选择2和500之间（乘以-1）选择500，这很好，但如果从maximiser的角度来看，你会选择500，这是不对的？！我显然遗漏了一些非常明显的东西，因为negmax工作正常，但如果你能帮助我理解这一点，那就太好了。@user2976086 negamax的想法是，两个玩家都是最大化者，但其中一个会最大化否定分数。如果我们有一个应该移动的玩家输球的状态，那么无论是哪一个玩家，它都会有分数
-无穷
。Negamax总是选择这样一个状态，因为它的否定分数是
+无穷
。这更有意义！所以我创建并放入Negamax的求值函数将返回一个状态的分数ren不清楚哪一方获胜，分数将乘以玩家（-1或+1）。但是，如果任何一方获胜，只要返回负无穷大（不要乘以玩家）？@user2976086，在大多数游戏中，最终状态都是失败的（对手刚刚俘获了我的国王并赢得了比赛），所以这是
-inf
，但有时他们会赢（对手刚刚输掉了比赛），所以
+inf
。你之前说过“…如果我们有一个状态，在这个状态下应该移动的玩家输了，它将有分数-无穷大，不管它是哪个玩家…”