Artificial intelligence 如何从Tictaoe的Min-Max中提取最佳移动？ int最小值（棋盘游戏，int深度） { 如果（game.IsFinished（）| |深度

问题是这个小函数告诉我这场比赛是赢、输还是平局，但是我怎么才能得到让我赢的那一步呢？我的Point类是一个简单的类，有两个坐标X，Y，我想得到答案作为一个点，这样我可以在后面说类似于

game.Do_Move（myPoint）

如果某些功能不明显：

game.IsFinished（）

-如果赢/输/平局，则返回true，否则返回

游戏。得分（回合）

-返回-1/0/1，以防下一步玩家输/平/赢

游戏。生成移动（）

-返回包含可用移动的列表

game.Do\u Move（）

-将移动应用于游戏的无效

game.Undo_Move（）

-自动对话

您需要应用

---

你基本上要做一个游戏树，树中的每个节点都是一个棋盘位置，每个子节点都是合法移动的结果。叶节点（游戏结束的地方）将根据game.score（）获得分数，其中一个玩家尝试沿着通向高分的路径选择移动，而另一个玩家尝试选择强制低分的移动。该定理将帮助您了解如何严格应用该思想。

如果在游戏树的根节点上调用的minimax函数同时返回choosen move和score，就足够了。对于游戏树的所有其他节点，函数只需返回分数。因此，通常的方法是实现两个稍有不同的minimax函数–。
应用于minimax接口，您将具有以下附加功能：

        int minmax(Board game, int depth)
        {
            if (game.IsFinished() || depth < 0)
                return game.Score(game.Turn);

            int alpha = int.MinValue + 1;
            foreach (Point move in game.Generate_Moves())
            {
                Board currentBoard = game;
                currentBoard.Do_Move(move); 

                alpha = max(alpha, -minmax(currentBoard, depth-1));
                currentBoard.Undo_Move(move);
            }

            return alpha;
        }

---

请注意，我已经删除了对

Undo\u Move

的调用，因为这是不需要的，因为您在每次迭代中都复制了

game

。

我的想法是，我的程序可以工作，并告诉我（与两名玩家一起）是否有机会赢/平局，或者其他玩家是否可以赢。在我第一次用X移动后，它告诉我它将以平局结束，但如果我随机选择一些坏方块作为O，它会告诉我X赢了，以此类推。因此，该算法工作，是缓慢的btw，但它的工作。它需要所有可能的方块，并宣布我的最佳尝试，但我想得到算法通往获胜状态的路径。好的，那么从获胜的叶子追溯到树上。

int minimaxWithMove(Board game, int depth, Point& choosen)
{
    assert (!game.IsFinished() && depth > 0); // not possible at root node
    int alpha = int.MinValue + 1;
    foreach (Point move in game.Generate_Moves())
    {
        Board currentBoard = game;
        currentBoard.Do_Move(move);
        int score = -minmax(currentBoard, depth-1);
        if (score > alpha)
        {
            alpha = score;
            choosen = move;
        }
    }
    return alpha;
}