Artificial intelligence 更好的游戏启发式函数（AI Minimax）

有一个我用java编写的游戏。游戏很简单（参考下图）。有4只鸟和1只幼虫。这是一个2人游戏（人工智能对人类）

• 幼虫可以对角向前和对角向后移动
• 鸟类只能沿对角线向前移动
• 如果幼虫能到达1号线（栅栏），它将获胜
• 如果小鸟没有剩余的动作，幼虫也会获胜
• 鸟类不能“吃”幼虫
• 如果幼虫没有移动，鸟类获胜（完全不能移动）

当游戏开始，幼虫开始，然后一只鸟可以移动（任何一只），然后幼虫，等等

---

我已经实现了一个MiniMax（Alpha-Beta剪枝），我正在使用下面的evaluate（）函数（启发式函数）

让我们给黑板上的每一个方块打以下数字

因此，我们的评价职能将是：

h（n）=幼虫位置值-鸟位置值1-鸟位置值2-鸟位置值3-鸟位置值4

幼虫会尝试最大化启发值，而鸟类会尝试最小化启发值

例如：

然而，这是一个简单而天真的启发。它的行为并不明智。我是人工智能的初学者，我想知道我能做些什么来改进这个启发式函数

什么是好的/明智的启发式方法？

这个怎么样：

最大值：幼虫

最低限额：禽鸟

H（t）=最大距离（幼虫，线8）+∑最小距离（鸟类，幼虫）

或

H（t）=∑最小距离（鸟n，幼虫）-最小距离（幼虫，线1）

最大距离（幼虫，第8行）：反映幼虫靠近第1行的情况

最小距离（鸟类，幼虫）：反映鸟类靠近幼虫的情况（阻止幼虫）

---

我相信还有很多事情可以考虑，比如说，离幼虫最近的鸟应该优先选择移动，但是上面功能的方向是有意义的，许多细节可以很容易地加以改进。

你可以考虑这样一个事实，即当幼虫在板的侧面时，鸟类比幼虫具有位置优势，因此，如果“幼虫”是最大值，则将电路板的侧瓷砖值更改为较小值。

有一种简单的方法可以显著提高启发式。在当前的启发式中，正方形A1的值比正方形A8的值小8。这使得鸟类倾向于向游戏板的左侧移动，因为向左移动总是高于向右移动。这不准确。第1行上的所有正方形应具有相同的值。因此，在第1行a 1、第2行a 2中分配所有方块，以此类推。这样，鸟类和幼虫就不会倾向于向左移动，而是可以专注于做出一个好的移动。

您给出的评估函数没有意义（有点…）.考虑鸟类与幼虫的相对位置如何？@你是指欧几里得距离吗？在这种情况下，幼虫会尽量远离鸟类，而不会试图到达栅栏（这是一个优先事项）不，而是像曼哈顿距离一样呈对角线形式。关于曼哈顿距离：你说“一只鸟可以移动”-它必须移动吗？或者“通过”对任何一方都是一个选项？这确实是一个很好的启发。然而，这个游戏可以作为幼虫（AI）对鸟类（人类）和鸟类（AI）对幼虫（人类）的游戏。这个评估函数是否考虑了游戏中鸟类的一面？（例如，如果鸟类扮演AI）同样，在这种情况下，评估函数将随着幼虫接近1号线而降低。。。幼虫正在努力使价值最大化。。或者我遗漏了什么？我想是的，在最大最小博弈树中，一个必须最大化分数，另一个必须最小化分数。考虑到鸟类的获胜规则，在你的案例中：如果幼虫没有移动，鸟类获胜，鸟类必须试图通过靠近幼虫来阻挡幼虫。只需将

最小距离（幼虫，线1）

更改为

最大距离（幼虫，线8）

或

-1*最小距离（幼虫，线1）

即可满足最大要求。通过

最大距离（幼虫，第8行）

，你的确切意思是什么。假设幼虫在D2，那么最大距离是6，对吗？我的意思是你只要数一数幼虫离第8行有多远（垂直方向）？我试过了。效果更好。谢谢。但它没有那么聪明…我提出的启发式方法非常幼稚。。