Artificial intelligence 2048 AI:Expectimax优于Minimax？

我正在构建一个2048人工智能，它导致了一个相当奇特的观察结果（对我来说已经够奇特了）。
优化现在还没有达到标准（加上代码是用python编写的），这让我只能达到3步的深度

从结果中可以明显看出，就产生的结果而言，Expectimax比minimax更具优势（在minimax中没有α-β修剪的情况下，可以看到类似的结果）。两者都使用相同的评估功能，并且不会进行超过3个动作。 好吧，在这样的游戏中，minimax应该是最有效的，但这里的情况似乎不是这样。我的问题是，这种观察是因为：

我没有深入搜索树

2048是一个随机游戏，这会妨碍minimax的性能（或提高expectimax的性能）

对手（2048游戏逻辑）没有发挥最佳（90-10%的机会，把一个2-4瓦片，随机对手）（如果是的话，那么为什么这应该影响性能的极大极小）

还有什么我看不清楚的吗

（1） 不完全遍历树会导致丢失对minimax的所有最优性保证。（2） （经典）Minimax旨在将最坏情况下的可能损失降至最低。因此，如果你想优化游戏以获得预期的分数，这可能不是你想要的。（3） 在一些非二人零和的游戏中使用极小极大是有问题的。也许它的特殊设计是合法的，但我不能提供任何信息（4）我想这里有2048个人工智能问题，可以提供很多信息！（1） 不完全遍历树会导致丢失对minimax的所有最优性保证。（2） （经典）Minimax旨在将最坏情况下的可能损失降至最低。因此，如果你想优化游戏以获得预期的分数，这可能不是你想要的。（3） 在一些非二人零和的游戏中使用极小极大是有问题的。也许它的特殊设计是合法的，但我不能提供任何信息（4）我想这里有2048个人工智能问题，可以提供很多信息！