Artificial intelligence 带alpha-beta修剪的量子tic-tac-toe-状态的最佳表示？

对于我的AI类，我必须使用alpha-beta修剪制作一个游戏

我在考虑表示电路板状态的最佳方法-我的第一直觉是使用一种邻域矩阵，即9x9矩阵，在

m[I，j]

上，m[I，j]是一个整数，它表示移动（tic tac toe）中标记了

I

和

j

（如果没有这种连接-

m[I，j]）

为零）<如果方形

i

折叠，则code>M[i，i]不是0。然后，我将创建这样一个矩阵的博弈树，并使用经典的minimax和alpha-beta修剪

然而，这种方法似乎相当昂贵——会有一个相对较大的分支因子加上每个节点的基本操作——检查循环并找到9x9矩阵的所有等效状态

我有一种感觉，必须有一个更聪明的解决方案——可能是将量子游戏看作一组经典的tic-tac-toe游戏，并使用一种广义的minimax搜索，所以它会回归到一组（小的）经典tic-tac-toe问题？我看不出这到底是怎么回事

---

有没有人有这个（或类似）问题的经验，你能给我指出正确的方向吗？

如果你的问题只是抽搐，那么你就可以像我的这个程序那样代表你的电路板了

它是一个基于三值的数字矩阵。电路板是一个9位数字，其中每个数字有3个可能值中的一个：0表示空，1表示x，2表示o

这种方法非常适用于minimax，因为电路板可以在单个整数中设置！矩阵的形式为：

int suc[TOTAL][2]={ { 0, 10000}, { 1, 20001}, { 10, 20010}, { 12, 1012}, { 21, 1021},
    { 100, 20100}, { 102, 100102}, ...

其中，每对数字对应于（a）当前位置，以及（b），通过极大极小值预先计算的下一个更好的位置。因此，如果电路板为空（suc[0][0]==0），下一个更好的位置是将“x”放在位置5，即中心（suc[0][1]==000010000）

实际上，这个程序甚至不需要创建一个极小极大值，因为这个程序已经计算了ad-hoc矩阵中所有可能的答案。选择下一步最重要的功能是查看suc（继任者）矩阵：

/*查找并返回给定板terno后的下一块板*/
内移（内移）
{
int i；
对于（i=0；i如果还有人对此感兴趣

我最终使用了两种不同的数据结构：


用于折叠节点的经典tic tac趾板（3x3矩阵）
纠缠节点的图列表。每个图的节点都是板坐标（在3x3矩阵中），并且图是完全连接的

当我们缠绕节点A和B时：


如果两者都不在现有图中，请创建一个新图[a，B]（新建图）
其中一个（例如A）在现有图中[…，A，…]（现有图）

如果B不在现有图中，请将B添加到现有的_图中
如果B在一个现有的图中，我们知道我们关闭了一个循环，我们进行了折叠（图从列表中删除，新节点添加到经典板）

#define TOTAL 4520
是tic-tac-toe游戏的有效位置（组合）的总和（始终启动
x
）。
/* find and return the next board after the given board terno */
int move(int terno)
{
    int i;

    for (i=0; i<TOTAL; i++)
        if (suc[i][0]==terno)
            return suc[i][1];
    return 0;
}