Python 通过蛮力解决tic-tac-toe问题

我已经为这个问题挣扎了一段时间。我需要通过蛮力来解决tic-tac-toe问题——也就是说，让计算机通过自己玩几百万次来学习

现在，设置工作-我将简要描述它。我的电脑会自动生成随机移动，直到一方或另一方获胜。然后，它存储代表游戏的列表，并将该列表与1、0或-1关联，表示赢、平或输

我目前使用的算法很简单；我发现在当前棋盘的所有游戏中，棋盘上的移动与最多的赢家和最少的输家相关，然后我移动到那里

这几乎适用于任何情况；除了重要的：叉子

在这种情况下：

o - -       o - x     o - x

- x -   >   - x -  >  - x -

- - o       - - o     o - o

在计算机有下一步行动的地方，计算机总是在一个角落里，然后被叉上

---

有没有一种方法可以仅通过蛮力解决tic-tac-toe问题，而不使用min/max、启发式、fork硬编码等？

几百万次可能会太多。我认为只有大约362880个可能的游戏统计：第一个玩家有9个选项，下一个玩家有8个剩余选项，然后是7个，以此类推。。那么9！=362880

我建议你不仅要根据最终的胜负，还要根据获胜所需的动作数量来权衡你的选择。更少的动作=更好的决定

---

此外，一旦你建立了一个完整的地图，你可以在某些情况下将某些移动映射为死亡移动，不可避免地导致损失。一个设计良好的称重指标会发现没有获胜的路线，并且永远不会选择包含叉子的移动。

你确定要在tic-tac-toe上实现机器学习吗？过了一段时间，当计算机学会了最佳动作时，它将永远无法战胜自己：如果两个玩家都做出了最佳动作，那么结果将永远是平局。在我看来，你应该把机器学习应用到另一种游戏中，比如国际象棋或跳棋。谢谢你的回复。如果游戏是随机生成的，是否有几百万倍的超额？我尝试过按比赛长度衡量比赛，但我总是不确定从那里开始。我的直觉——不确定这是否值得信任——也告诉我，如果游戏是随机生成的，那么较短的游戏会发生得更频繁——因此会比不太可能发生的较长游戏更重要。嗯，如果您真的在使用暴力，那么您可以手动生成362880块板中的每一块，并为每种可能的情况构建一个完整的数据库。那么这只是一个数据库搜索问题。对不起，在我点击回车键之前，我没有完全添加这一点。我认为随机生成游戏有一个优势的部分原因是，长度较短的游戏比长度较长的游戏更有可能发生。这个假设正确吗？同样，可能的博弈空间是有限的。。如果你建立了所有可能的数据库，其中很多都会在全部9步之前结束，因此真正的空间将比362880还要小。