MiniMax с альфа-бета-обрезкой для Отелло не работает

У меня есть следующая реализация минимакс альфа бета для игры отелло (реверси). Почему-то это никогда не возвращает правильное действие. Кажется, он возвращает действие по умолчанию, которое я поместил в функцию (0, 0), и вторичное значение -32768, что означает, что оно было удалено в подпрограмме MAX. Любые советы о том, что я могу улучшить с этим и как я могу решить эту проблему?

Примечание. По большей части я определил, что наследники возвращаются правильно. Максимальная глубина на данный момент составляет 8. pn компьютерного игрока (номер игрока) равен 1, а человеческий игрок равен 0. Первый этап, 0, это MINIMAX_MAX. Альфа и бета изначально установлены на INT_MIN и INT_MAX соответственно.

mm_out minimax(Grid& G, int alpha, int beta, Action& A, uint pn, uint depth, bool stage) {
if (G.check_terminal_state() || depth == MAX_DEPTH) {
#ifdef DEBUG
cout << "best action: (" << A.get_x() << ", " << A.get_y() << ")\n";
#endif
return mm_out(A, G.get_utility(pn));
}

// add end game score total here

#ifdef DEBUG
if (stage == MINIMAX_MAX) {
cout << "max " << alpha << " " << beta << "\n";
}
else {
cout << "min " << alpha << " " << beta << "\n";
}
#endif

set<Action> succ_temp = G.get_successors(pn);
for (Action a : succ_temp) {

#ifdef DEBUG
cout << a.get_x() << " " << a.get_y() << '\n';
#endif

Grid gt(G);
a.evaluate(gt);
}
set<Action, action_greater> successors(succ_temp.begin(), succ_temp.end());

#ifdef DEBUG
Player p(0, "minimaxtest");
G.display(p);
int test;
cin >> test;
#endif

// if no successor, that player passes
if (successors.size()) {
for (auto a = successors.begin(); a != successors.end(); ++a) {
Grid gt(G);
gt.do_move(pn, a->get_x(), a->get_y(), !PRINT_ERR);
Action at = *a;
mm_out mt = minimax(gt, alpha, beta, at, pn ^ 1, depth + 1, !stage);
int temp = mt.val;
//          A = mt.best_move;

if (stage == MINIMAX_MAX) {
if (alpha < temp) {
alpha = temp;
A = *a;
#ifdef DEBUG
cout << "Current action: (" << A.get_x() << ", " << A.get_y() << ") alpha = " << alpha << "\n";
#endif
}
if (alpha >= beta) {
#ifdef DEBUG
cout << "pruned at max\n";
#endif
return mm_out(A, beta);
}
}
else {
if (beta > temp) {
beta = temp;
A = *a;
#ifdef DEBUG
cout << "Current action: (" << A.get_x() << ", " << A.get_y() << ") beta = " << beta << "\n";
#endif
}
if (alpha >= beta) {
#ifdef DEBUG
cout << "pruned at min\n";
#endif
return mm_out(A, alpha);
}}
}
return mm_out(A, (stage == MINIMAX_MAX) ? alpha : beta);
}
else {
cout << "no successor\n";
return mm_out(A, (stage == MINIMAX_MAX) ? (std::numeric_limits<int>::max() - 1) : (std::numeric_limits<int>::min() + 1));
}

}

Вспомогательная функция:

int Grid::get_utility(uint pnum) const {
if (pnum)
return wcount - bcount;
return bcount - wcount;
}

1

Решение

Вы должны пройти alpha / beta параметры по значению (не по ссылке):

mm_out minimax(Grid& G, int alpha, int beta, Action& A, uint pn, uint depth, bool stage)

Каждый узел передает значения альфа и бета своим дочерним элементам. Затем дети обновляют свои собственные копии альфа или бета значения в зависимости от того, чей это ход и вернуть окончательную оценку этого узла Это тогда используется, чтобы обновить альфа или бета значение родителя.

1

Другие решения

Других решений пока нет …

По вопросам рекламы [email protected]