Kunstig Intelligens til Brætspillet Taiji - Danmarks Tekniske Universitet
Kunstig Intelligens til Brætspillet Taiji - Danmarks Tekniske Universitet Kunstig Intelligens til Brætspillet Taiji - Danmarks Tekniske Universitet
74 Begrænsning af antallet af undersøgte træk Figur 6.3: Hvor Growth forsøger sig med at lægge brikker efter den nye brik er blevet lagt som forsøg. 6.2.1 Fordele: Der vil blive set mere p˚a det i testafsnittet, men i praksis ser Growth ud til at spille lige op med den almindelige Alpha-Beta Minimax algoritmen b˚ade p˚a resultat og afviklingstid, n˚ar de spiller med samme søgedybde. Dette betyder at hvis det lykkes ogs˚a at implementere Alpha-Beta pruning p˚a Growth AI’en, vil denne formentligt f˚a muligheden for at regne en generation dybder end Minimax algortimen med Alpha-Beta pruning. Om ikke anden s˚a i hvert fald øge søgedybden tidligere i spillet. 6.2.2 Ulemper: Der vil opst˚a tilfælde, hvor det bedre kan betale sig at lægge en brik lidt væk fra de største figurer og lade modstanderen forbinde figurerne. Dette vil dog aldrig ske med denne AI, da der kun ses p˚a mulighederne lige opad de størstefigurer. Med den nuværende heuristik lider denne kunstige intelligens ogs˚a under at famle i blinde, n˚ar de største figurer ikke længere har muligheden for udvidelser,
6.2 Growth 75 og de næststørste figurer har lang vej igen for n˚a op p˚a de største. Det ser dog ikke ud som om den famler helt s˚a meget i blinde, da den altid placerer brikkerne op ad de næststørste figurer med mulighed for udvidelse. Men om de brikker den lægger op ad disse figurer hjælper sig selv eller modstanderen, er den stadig komplet blind over for. Et trejde problem 6.2.3 Mulige forbedringer: Som det første er der at f˚a implementeringen af Alpha-Beta pruning til at fungere. P˚a nuværende tidspunkt er aplha-beta pruningen sl˚aet fra, da den ikke fungerer korrekt. Derudover er der muligheden for at forbedre heuristikken, s˚a den ikke længere famler i blinde n˚ar søgedybden ikke dækker over problemet med store afsluttede figurer. Som alternativ til forbedring af heuristikken, kunne skabelsen af efterkommer ændres s˚aledes, at den kun lægger brikker, s˚a de udvider egne figurer eller tager muligheder fra modstanderens, hvor den nu afprøver f.eks. at lægge den sorte ende af en brik op mod sin egen hvide figur eller lægge en sort ende op mod modstanderens sorte figur. Dette vil dog reducere mængden af træk, som bliver undersøgt med en faktor to p˚a godt og ondt. Afviklingstiden vil falde, og dette vil give mulighed for dybere søgninger, men sandsynligheden for at en bedre løsning ikke bliver undersøgt vil ogs˚a stige.
- Page 34 and 35: 24 Design og brugervenlighed naturl
- Page 36 and 37: 26 Design og brugervenlighed muligh
- Page 38 and 39: 28 Design og brugervenlighed 2.2.2
- Page 40 and 41: 30 Design og brugervenlighed uprakt
- Page 42 and 43: 32 Kunstig Intelligens 3.1.1 TaijiD
- Page 44 and 45: 34 Kunstig Intelligens 3.1.10 Figur
- Page 46 and 47: 36 Kunstig Intelligens 3.2.1 Nodes:
- Page 48 and 49: 38 Kunstig Intelligens at udvide de
- Page 50 and 51: 40 Minimax først søgningen, da de
- Page 52 and 53: 42 Minimax 4.3 Spilgraf for 3x3 Tai
- Page 54 and 55: 44 Minimax Herunder ses spilgrafen
- Page 56 and 57: 46 Minimax Herunder ses spilgrafen
- Page 58 and 59: 48 Minimax Som det kan ses ender sp
- Page 60 and 61: 50 Minimax Det kan ses at alle de e
- Page 62 and 63: 52 Optimering af Minimax Figur 5.1:
- Page 64 and 65: 54 Optimering af Minimax Figur 5.4:
- Page 66 and 67: 56 Optimering af Minimax som et uni
- Page 68 and 69: 58 Optimering af Minimax Det er der
- Page 70 and 71: 60 Optimering af Minimax klarer sig
- Page 72 and 73: 62 Optimering af Minimax IF v < m T
- Page 74 and 75: 64 Optimering af Minimax er tilfæl
- Page 76 and 77: 66 Optimering af Minimax Figur 5.9:
- Page 78 and 79: 68 Optimering af Minimax vigtigt at
- Page 80 and 81: 70 Optimering af Minimax
- Page 82 and 83: 72 Begrænsning af antallet af unde
- Page 86 and 87: 76 Begrænsning af antallet af unde
- Page 88 and 89: 78 Test og sammenligning af de impl
- Page 90 and 91: 80 Test og sammenligning af de impl
- Page 92 and 93: 82 Test og sammenligning af de impl
- Page 94 and 95: 84 Test og sammenligning af de impl
- Page 96 and 97: 86 Test og sammenligning af de impl
- Page 98 and 99: 88 Test og sammenligning af de impl
- Page 100 and 101: 90 Test og sammenligning af de impl
- Page 102 and 103: 92 Konklusion selv n˚a igennem et
- Page 104 and 105: 94 Konklusion
- Page 106 and 107: 96 Bilag A 19 20 // i n i t i a l i
- Page 108 and 109: 98 Bilag A 120 nodes [ p [ 0 ] ] [
- Page 110 and 111: 100 Bilag A 218 i f ( n . a > beta
- Page 112 and 113: 102 Bilag A 319 p [2]= nodes [ p [
- Page 114 and 115: 104 Bilag A 419 420 421 422 423 424
- Page 116 and 117: 106 Bilag A 517 n . wr = tModel . n
- Page 118 and 119: 108 Bilag A 61 } 62 } 63 64 // c h
- Page 120 and 121: 110 Bilag A 155 b [ c +1][ r −1]
- Page 122 and 123: 112 Bilag A 251 b [ c −1][ r −1
- Page 124 and 125: 114 Bilag A 347 r e = placePieceMax
- Page 126 and 127: 116 Bilag A 443 r e = placePieceMax
- Page 128 and 129: 118 Bilag A 537 b [ c +1][ r −1]
- Page 130 and 131: 120 Bilag A 633 b [ c −1][ r −1
- Page 132 and 133: 122 Bilag A 729 beta = r e [ 2 ] ;
6.2 Growth 75<br />
og de næststørste figurer har lang vej igen for n˚a op p˚a de største. Det ser dog<br />
ikke ud som om den famler helt s˚a meget i blinde, da den altid placerer brikkerne<br />
op ad de næststørste figurer med mulighed for udvidelse. Men om de brikker<br />
den lægger op ad disse figurer hjælper sig selv eller modstanderen, er den stadig<br />
komplet blind over for.<br />
Et trejde problem<br />
6.2.3 Mulige forbedringer:<br />
Som det første er der at f˚a implementeringen af Alpha-Beta pruning <strong>til</strong> at fungere.<br />
P˚a nuværende tidspunkt er aplha-beta pruningen sl˚aet fra, da den ikke<br />
fungerer korrekt. Derudover er der muligheden for at forbedre heuristikken, s˚a<br />
den ikke længere famler i blinde n˚ar søgedybden ikke dækker over problemet<br />
med store afsluttede figurer. Som alternativ <strong>til</strong> forbedring af heuristikken, kunne<br />
skabelsen af efterkommer ændres s˚aledes, at den kun lægger brikker, s˚a de<br />
udvider egne figurer eller tager muligheder fra modstanderens, hvor den nu afprøver<br />
f.eks. at lægge den sorte ende af en brik op mod sin egen hvide figur<br />
eller lægge en sort ende op mod modstanderens sorte figur. Dette vil dog reducere<br />
mængden af træk, som bliver undersøgt med en faktor to p˚a godt og ondt.<br />
Afviklingstiden vil falde, og dette vil give mulighed for dybere søgninger, men<br />
sandsynligheden for at en bedre løsning ikke bliver undersøgt vil ogs˚a stige.