1 / 21

Cápitulo 6

Cápitulo 6. BUSQUEDA EN JUEGOS DE ADVERSARIO Sección 1-4. Bosquejo. Las decisiones óptimas Poda α-β Las decisiones imperfectas de tiempo real. Juegos vs. Búsqueda. A dversario “ imprevisible ”  especifica r un movimiento para cada respuesta posible del adversario

olin
Download Presentation

Cápitulo 6

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Cápitulo 6 BUSQUEDA EN JUEGOS DE ADVERSARIO Sección 1-4

  2. Bosquejo • Las decisiones óptimas • Poda α-β • Las decisiones imperfectas de tiempo real

  3. Juegos vs. Búsqueda • Adversario “imprevisible” especificar un movimiento para cada respuesta posible del adversario • Límite de tiempo  improbable encontrar meta, deben aproximarse

  4. Arbol de juego (2 jugadores, deterministas, turnos)

  5. Minimax • Jugada perfecta para juegos determinísticos • Idea: mover a la posición con mayor valorminimax = Mejor ganancia vs. mejor jugada • E. g. Explorando a profundidad 2

  6. Algoritmo Minimax

  7. Propiedades de minimax • ¿Completa? Sí (si el árbol es finito) • ¿Óptimo? Sí (en contra de un adversario óptimo) • ¿Complejidad en Tiempo?O(bm) • ¿Complejidad en espacio?O(bm)DFS • Para el ajedrez,b ≈ 35, m ≈100, para juegos "razonables“. Solución exacta no factible.

  8. Ejemplo de α-β

  9. Ejemplo de α-β

  10. Ejemplo de α-β

  11. Ejemplo de α-β

  12. Ejemplo de α-β

  13. Propiedades de α-β • La podano afecta el resultado final • Un buen orden de movimientos mejora la efectividad de poda Orden perfecto. Complejidad en tiempo = O(bm/2) à duplica laprofundidad de búsqueda • Un ejemplo simple del valor de razonamiento donde las computaciones tienen importancia (una forma de metarazonamiento)

  14. ¿Por que α-β? • α es el valor de la mejor elección (el valor más alto) encontrada hasta ahora en cualquier punto a lo largo del camino hacia max • Si v es peor que α,max lo evitará àpoda esa rama • β semejante para min

  15. Algoritmo α-β

  16. Algoritmo α-β

  17. Recursos Limitados Tenemos 100 s, explorar 104nodos/s 106 nodos por movimiento método estándar: • Prueba de truncamiento: v.g., Límite de profundidad • La función de evaluación = estimar la conveniencia de la posición

  18. Funciones de evaluación • Para el ajedrez, típicamente la suma ponderada lineal de características Eval(s) = w1 f1(s) + w2 f2(s) + … + wn fn(s) w1 = 9 con f1(s) = (el número de reinas blancas) – (el número de reinas negras) etc.

  19. Recortando la búsqueda MinimaxCutoff es idéntico a MinimaxValue excepto • Terminal? es remplazada por Cutoff? • Utility es remplazada por Eval Funciona en la práctica? bm = 106, b=35  m=4 Adelantarse 4 jugadas  jugador pésimo! • 4-ply ≈ Principiante humano • 8-ply ≈ PC típica, maestro humano • 12-ply ≈ Deep Blue, Kasparov

  20. Juegos Determinísticos • Damas: Chinook acabó reinado de 40 años de campeón mundial Marion Tinsley en 1994. Usaba una base de datos precomputada de finalesperfectos para 8 o menos piezas. Un total de 444 billones de posiciones. • Ajedrez: Deep Blue derrotó al campeón mundial Garry Kasparov en seis juegos en 1997. Deep Blue registra 200 millones de posiciones por segundo. Evaluación muy sofisticada, y métodos sin revelar para explorar hasta 40 jugadas adelante. • Othello: Los campeones humanos se reúsan a jugar en contra de computadoras. Son demasiado buenas. • Go: Los campeones humanos se reúsan a jugar contra computadoras. Son demasiados malas. En Go, b > 300, la mayoría de programas usan bases de conocimiento de patrones para sugerir movimientos aparentemente buenos.

  21. Resumen • ¡Los juegos son divertidos ! • Ilustran varias puntos importantes acerca de IA • La perfección es inalcanzable  debe aproximarse

More Related