C# 我如何创建一个测试来查看我的a.I.是否完美？

我做了一个tic tac toe a.I.给定每个板状态，我的a.I.将返回一个确切的移动位置。 我还制作了一个函数，可以循环使用a.I.制作的所有可能的剧本

这是一个递归函数，让a.I.对给定的棋盘进行移动，然后让另一个玩家进行所有可能的移动，并为每一个可能的移动调用一个新棋盘本身的递归函数

我这样做是为了当A.我先走，当另一个先走。。。把这些加在一起。我最终有418场可能的胜利，115场可能的平局，0场可能的失败

---

但现在我的问题是，我如何最大限度地提高胜利的数量？我需要将这个统计数据与其他数据进行比较，但我不知道该与什么进行比较。

我的感觉是，你引用的数据已经相当不错了。两个专业的井字游戏玩家总是以平局告终，如果你的对手知道如何玩游戏，就没有办法迫使你获胜

更新

---

也许有一种更优雅的方法来证明你的人工智能的正确性，但最直接的方法是蛮力法。只需将所有可能的棋盘位置列为博弈树，并修剪直接导致损失的分支。然后，对于树中的每个分支，您可以计算出跟随该分支而获得胜利的概率。然后你只需要在每个板位上测试你的人工智能，确保它选择的分支具有最高的获胜概率。

你所做的是比人工智能更多的线性优化……我不会在这里描述Tic Tac Toe的所有线性代数，网上有很多例子

因此，使用线性代数，你不必证明你的结果（搜索神奇的统计数据等），因为你的结果可以通过在原始方程中注入简单的解来验证

总之，有两种情况：

• 您使用的是简单的“演绎”逻辑（实际上是非形式线性代数公式）：如果不查看代码，我们无法找到一种现成的方法来检查结果编辑：正如安德鲁·库珀（Andrew Cooper）所建议的，暴力可以是一种随时可用的方法，而无需查看代码

• 您正在使用正式的线性代数公式：您的结果可以通过在原始方程中注入简单的解决方案来验证

---

你唯一可以比较的是一个潜在的移动与另一个移动。每当轮到计算机采取行动时，让它从那一点开始玩所有可能的游戏，并选择能带来最高可能获胜数量的行动。你不可能总是赢，但你可以给对手更多的机会做出错误的动作。

或者，你可以在下面的链接中尝试tic tac toe算法：

鉴于我们知道

• 不能强求胜利
• 有了最佳策略，你就不会输

你的AI已经被证明是最佳的，如果

• 你在和整棵树比赛时确实搜索过它
• 而且你的AI是确定性的（如果它在特定阶段掷骰子，你就必须与所有的组合对抗）

它没有输，你不能要求它赢。胜利并不算在内，因为你的全树搜索也包含了坏的动作。就这些，你完了

只是为了好玩：

---

如果你对赢/平/输一场比赛的机会没有先验知识，那么一个常见的策略就是坚持保留失去的位置。在下一场比赛中，你会尽量避开他们。如果你无法避免移动到丢失的位置，你会找到另一个位置。通过这种方式，你可以学会不输于某个策略（如果可能的话），或者避免策略中的错误。

你应该从观察移动9始终是强制的开始：棋盘上只有一个空方块。移动也可以被认为是强制的，因为在七次移动之后，可能有三种情况：

• O

  可以在下一步中获胜，在这种情况下需要获胜
• 将

  X

  放置在剩余的两个方格中的任何一个方格中，将赢得

  X

  的游戏，在这种情况下，

  O

  无论下一步如何都将失败

• X

  没有或只有一条胜利之路，在这种情况下，

  O

  阻塞以强制平局

这意味着游戏在最多七步后结束

还要注意，只有三个打开动作：中间、角落或侧面。无论您选择四个角或边中的哪一个角或边，都无关紧要，因为板可以旋转以匹配“标准”开口（左上角或顶部的中间）

现在可以构建状态分析代码。从三个可能的开口中的每一个开始，使用移动时打开的所有方块回溯最多六个额外的移动进行搜索。每次移动后，分析位置，查看

X

或

O

是否已经赢了；马克以

X

作为Wx获胜，以

O

作为Wo获胜。其余的位置尚未确定

不要在Wx或Wo后探索位置：只需返回到上一步，由相应的一方报告胜利

到达第七步时，静态分析该位置，以确定上述三种情况是否适用，将该位置标记为Wx、Wo或平局

现在进入最重要的一步：当你回溯到玩家的移动

N-1

• 如果您尝试的某个移动使下一级别的所有位置都成为Wp，则将当前位置也声明为Wp
• 如果你尝试的所有动作都导致对手获胜，那么宣布当前位置为对手获胜
• 否则，将当前位置声明为绘图，并返回t