Kunstig Intelligens til Brætspillet Taiji - Danmarks Tekniske Universitet
Kunstig Intelligens til Brætspillet Taiji - Danmarks Tekniske Universitet Kunstig Intelligens til Brætspillet Taiji - Danmarks Tekniske Universitet
88 Test og sammenligning af de implementerede AI’er 4x4 Hvid score Sort score stilling for Growth 4 4 Uafgjort 6 6 Uafgjort 5 5 Uafgjort 4 4 Uafgjort 7 7 Uafgjort 4 4 Uafgjort 4 4 Uafgjort 4 4 Uafgjort 5 5 Uafgjort 5 5 Uafgjort I alt 48 48 50% Growth (hvid) mod AlphaBeta (sort): 4x4 Hvid score Sort score stilling for Growth 4 4 Uafgjort 4 4 Uafgjort 6 6 Uafgjort 4 4 Uafgjort 4 4 Uafgjort 6 6 Uafgjort 5 5 Uafgjort 4 4 Uafgjort 4 4 Uafgjort 4 4 Uafgjort I alt 45 45 50% Testen viser at Growth p˚a en fire gange fire plade ikke er AlphaBeta underlegen p˚a trods af at den undersøger færre træk. P˚a en lille plade som fire gange fire er det dog rimeligt begrænset hvor mange træk Growth ser bort fra. Jo større pladen bliver jo større bliver forskellen mellem antallet af undersøgte træk for Growth og AlphaBeta. Om resultatet vil være et andet for større plader er svært at sige, da det ikke er muligt at lave en fuld søgning p˚a plader større end fire gange fire. 7.4.2 Test af Growth AI’en p˚a en 9x9 plade: Growth (sort) mod erfaren menneskelig spiller (hvid):
7.4 Test af Growth AI (designet og udviklet af Morten Rask) 89 9x9 Hvid score Sort score stilling for AI 11 12 Vundet 15 12 Tabt 18 17 Tabt 14 12 Tabt 11 11 Uafgjort I alt 69 64 30% Growth (hvid) mod erfaren menneskelig spiller (sort): 9x9 Hvid score Sort score stilling for AI 17 19 Tabt 14 18 Tabt 13 13 Uafgjort 19 12 Vundet 15 10 Vundet I alt 64 82 50% Resultatet for Growth mod den erfaren menneskelige modstander, som maximum bruger 5 sekunder p˚a hvert træk, er lige s˚a godt som resultatet for Alpha- Beta ved samme test med 45% vundende spil. Lige som for AlphaBeta forsøges der ogs˚a mod den menneskelige spiller, hvor der bruges minimum 15 sekunder per træk. Growth (sort) mod erfaren menneskelig spiller min 15 sek(hvid): 9x9 Hvid score Sort score stilling for AI 21 16 Tabt 20 14 Tabt 13 12 Tabt 10 13 Vundet 12 15 vundet I alt 76 70 40% Growth (hvid) mod erfaren menneskelig spiller min 15 sek(sort): 9x9 Hvid score Sort score stilling for AI 10 10 Uafgjort 11 12 Tabt 14 15 Tabt 12 11 Vundet 11 14 Tabt I alt 58 62 30%
- 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 84 and 85: 74 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 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 ] ;
- Page 134 and 135: 124 Bilag A 825 beta = r e [ 2 ] ;
- Page 136 and 137: 126 Bilag A 916 i f ( n . a > v ) 9
- Page 138 and 139: 128 Bilag A 997 Root . wc=0; // tMo
- Page 140 and 141: 130 Bilag A 1097 n . bc = tModel .
- Page 142 and 143: 132 Bilag A 93 i f ( rowEnd >= tMod
- Page 144 and 145: 134 Bilag A 192 alpha = n . a ; 193
- Page 146 and 147: 136 Bilag A 291 } 292 293 // Min−
7.4 Test af Growth AI (designet og udviklet af Morten Rask) 89<br />
9x9 Hvid score Sort score s<strong>til</strong>ling for AI<br />
11 12 Vundet<br />
15 12 Tabt<br />
18 17 Tabt<br />
14 12 Tabt<br />
11 11 Uafgjort<br />
I alt 69 64 30%<br />
Growth (hvid) mod erfaren menneskelig spiller (sort):<br />
9x9 Hvid score Sort score s<strong>til</strong>ling for AI<br />
17 19 Tabt<br />
14 18 Tabt<br />
13 13 Uafgjort<br />
19 12 Vundet<br />
15 10 Vundet<br />
I alt 64 82 50%<br />
Resultatet for Growth mod den erfaren menneskelige modstander, som maximum<br />
bruger 5 sekunder p˚a hvert træk, er lige s˚a godt som resultatet for Alpha-<br />
Beta ved samme test med 45% vundende spil. Lige som for AlphaBeta forsøges<br />
der ogs˚a mod den menneskelige spiller, hvor der bruges minimum 15 sekunder<br />
per træk.<br />
Growth (sort) mod erfaren menneskelig spiller min 15 sek(hvid):<br />
9x9 Hvid score Sort score s<strong>til</strong>ling for AI<br />
21 16 Tabt<br />
20 14 Tabt<br />
13 12 Tabt<br />
10 13 Vundet<br />
12 15 vundet<br />
I alt 76 70 40%<br />
Growth (hvid) mod erfaren menneskelig spiller min 15 sek(sort):<br />
9x9 Hvid score Sort score s<strong>til</strong>ling for AI<br />
10 10 Uafgjort<br />
11 12 Tabt<br />
14 15 Tabt<br />
12 11 Vundet<br />
11 14 Tabt<br />
I alt 58 62 30%