Artificial intelligence 有可能对两个以上玩家的非零和游戏使用alpha-beta修剪吗？

我在某个地方读到过，minimax算法可以推广到两个以上的参与者。假设我们有3个玩家，他们每个人都想最大化自己的答案。在这种情况下可以使用alpha-beta修剪吗？还是没用？为什么?

注意：游戏是非零和游戏

---

是的，但你必须清楚游戏机制。给定的树首先显示蓝色，然后显示绿色，最后显示红色

根据游戏机制，这里有两种方法。如果每个玩家的唯一目的是最大化他们自己的结果，那么你需要为活跃玩家求解每个等级，只考虑相关的奖励

在给定的示例中，假设奖励按顺序（蓝色、绿色、红色）列出，则红色在配对（2-4）、（9-4）、（0-6）、（0-2）中的四个选择将是R、L、R、R；用值（8-5）、（9-3）呈现绿色

。从中，
绿色
将选择L，L<代码>蓝色

获得选择（6-8）并将做出R选择，确定游戏值（8，9，6）

---

然而，如果玩家还有其他动机，比如最大化总体收益（我们碰巧在上面实现了这一点）或赋予净差额价值，那么你需要使用更复杂的决策算法；同样的逻辑也适用

---

在一个足够复杂的游戏中，玩家是敌对的，并且动作是秘密同时进行的，你可能必须切换到“一对所有”模式，在这个模式中，每个玩家都假设其他玩家将做出最小化选择玩家回报的选择。这种最坏情况下的计划会让你回到一个简单的极大极小过程，在这个过程中，两个对手被合并成一个玩家，假装游戏实际上是一个零和问题。

从堆栈溢出的意义上讲，这不是一个与编程相关的问题。不过还是个好问题。你可能想问这个问题，因为以下原因，这是不可能的。正如问题中提到的，博弈是非零和博弈。因此，玩家之间没有竞争，每个人都想最大化自己的价值。因此，alpha-beta修剪在这里没有用处！我首先概述了您描述的游戏过程，给出了在树的每一层上所做的详细选择。如果这就是你真正需要的，那就停止阅读水平线；你完了。