Artificial intelligence MCTS：跳棋中的蒙特卡罗树搜索

我使用流行的

我也受到了这个资源的启发

不幸的是，我的实施和该实施存在一个问题： 虽然AIs在游戏的早期和中期都表现得很好，但他们在游戏结束时处理得不太好：我发现他们最终只是在移动最后的棋子，而不是试图赢得比赛

我执行了模拟步骤为两名玩家在未来的N个回合中进行随机移动（即：直到游戏结束时才模拟游戏，但模拟的回合数显著）

为了确保计算时间不是瓶颈，我为人工智能考虑了大量时间

我正在考虑用一些基于领域的启发式方法调整模拟步骤，但如果需要，我不知道如何开发评估函数

---

在这种情况下，你认为我怎样才能提高我的AI，使我的后期游戏更精彩？

在某种赢的情况下，你会奖励（如奖励功能）赢得游戏而不是玩无用的招式吗？@ziggystar你能补充更多细节吗？我将尝试更明确地说：模拟步骤做两件事——它将来模拟nTurns并返回一个获胜者——如果没有获胜者，它将在模拟结束时对棋盘进行静态评估并返回一个获胜者——如果没有获胜者，即使在这种情况下，模拟也不会返回任何获胜者。如果节点是获胜节点，则将其分数更新为+1，否则为-1。我的意思是，您应该添加一些激励以快速赢得游戏。通过改变招式生成器，或者给予一个小奖励。在某种赢的情况下，你会奖励赢得游戏而不是玩无用的招式吗？@ziggystar，你能补充更多细节吗？我将尝试更明确地说：模拟步骤做两件事——它将来模拟nTurns并返回一个获胜者——如果没有获胜者，它将在模拟结束时对棋盘进行静态评估并返回一个获胜者——如果没有获胜者，即使在这种情况下，模拟也不会返回任何获胜者。如果节点是获胜节点，则将其分数更新为+1，否则为-1。我的意思是，您应该添加一些激励以快速赢得游戏。要么通过改变移动生成器，要么通过给予小奖励。