मैं चेकर्स जैसे बोर्ड गेम के लिए सबसे अच्छा एल्गोरिथ्म कैसे चुन सकता हूं?
अब तक, मैंने केवल तीन एल्गोरिदम पर विचार किया है, अर्थात्, मिनिमैक्स, अल्फा-बीटा प्रूनिंग, और मोंटे कार्लो ट्री सर्च (MCTS)। जाहिरा तौर पर, अल्फा-बीटा प्रुनिंग और एमसीटीएस दोनों मूल न्यूनतम एल्गोरिथ्म के विस्तार हैं।
जवाबों:
tl; डॉ:
इनमें से कोई भी एल्गोरिदम आधुनिक कार्य के लिए व्यावहारिक नहीं है, लेकिन वे शैक्षणिक रूप से शुरू करने के लिए अच्छे स्थान हैं।
आपको हमेशा नंगे न्यूनतम खोज पर अल्फा-बीटा प्रूनिंग का उपयोग करना पसंद करना चाहिए।
यदि आप उपयोगी हेयुरिस्टिक के साथ आ सकते हैं तो आपको हेयुरिस्टिक गाइडेड खोज के कुछ रूप का उपयोग करना पसंद करना चाहिए। एक उपयोगी हेयुरिस्टिक के साथ आने से आमतौर पर बहुत सारे डोमेन ज्ञान की आवश्यकता होती है।
जब आप कम्प्यूटेशनल संसाधनों को सीमित कर रहे हों, और जब गलतियाँ वास्तविक दुनिया के परिणामों को समाप्त नहीं करेंगी, तो आपको एक अच्छे उत्तराधिकारी की कमी होने पर मोंटे कार्लो ट्री खोज का उपयोग करना चाहिए।
अधिक जानकारी:
न्यूनतम खोज में, हम बहुत चालाक होने का प्रयास नहीं करते हैं। हम सिर्फ एक मानक गतिशील प्रोग्रामिंग दृष्टिकोण का उपयोग करते हैं। यदि हम खेल के अंत के करीब हैं, तो अंतर चालों के मूल्य का पता लगाना आसान है (चूंकि खेल अगली चाल में समाप्त हो जाएगा, हमें बहुत आगे नहीं देखना है)। इसी तरह, अगर हम जानते हैं कि खेल के अंतिम चरण में हमारा प्रतिद्वंद्वी क्या करेगा, तो यह पता लगाना आसान है कि हमें दूसरे आखिरी कदम में क्या करना चाहिए। प्रभावी रूप से हम दूसरे आखिरी कदम को छोटे खेल के अंतिम कदम के रूप में मान सकते हैं। हम इस प्रक्रिया को दोहरा सकते हैं। इस दृष्टिकोण का उपयोग करना एक मानक व्यापक रूप के खेल में सर्वोत्तम रणनीतियों को उजागर करना निश्चित है, लेकिन हमें हर संभव कदम पर विचार करने की आवश्यकता होगी, जो सभी लेकिन सरलतम खेलों के लिए संभव है।
अल्फा-बीटा प्रूनिंग मिनिमैक्स खोज पर एक सख्त सुधार है। यह इस तथ्य का उपयोग करता है कि कुछ चालें स्पष्ट रूप से दूसरों की तुलना में बदतर हैं। उदाहरण के लिए, शतरंज में, मुझे किसी भी कदम पर विचार करने की आवश्यकता नहीं है जो आपको मुझे चेकमेट में डालने का अवसर देगा , भले ही आप उस स्थिति से अन्य काम कर सकें। एक बार जब मैं देखता हूं कि इस कदम से हार का सामना करना पड़ सकता है, तो मैं यह सोचने के लिए परेशान नहीं होगा कि उस बिंदु से और क्या हो सकता है। मैं अन्य चीजों को देखने जाऊंगा। यह एल्गोरिथ्म भी सही परिणाम देने के लिए निश्चित है, और तेज़ है, लेकिन फिर भी व्यवहार में अधिकांश चालों पर विचार करना चाहिए।
इस तरह के खेल को वास्तव में हल करने की अत्यधिक कम्प्यूटेशनल लागत के आसपास आप दो सामान्य तरीके प्राप्त कर सकते हैं:
एक हेयुरिस्टिक का उपयोग करें (ए * खोज शैक्षणिक उद्देश्यों के लिए सामान्य एल्गोरिथ्म है, लेकिन क्लेश्योरेंस खोज 2 खिलाड़ी खेलों में एक समान विचार है)। यह केवल एक फ़ंक्शन है जो खेल की स्थिति के मूल्य का अनुमान देता है । एक गेम में सभी चालों पर विचार करने के बजाय, आप बस कुछ परिमित दूरी से आगे बढ़ने पर विचार कर सकते हैं, और फिर उन राज्यों के मूल्य का न्याय करने के लिए अनुमानी के मूल्य का उपयोग कर सकते हैं जो आप तक पहुंचे। अपने अनुमानी संगत (अनिवार्य रूप से: अगर यह हमेशा है overestimates राज्यों की गुणवत्ता), तो यह अभी भी सही जवाब उपज, लेकिन व्यवहार में भारी speedups के साथ होगा।
रोलआउट (जैसे मोंटे कार्लो ट्री सर्च) का उपयोग करें। मूल रूप से, हर कदम पर विचार करने के बजाय, यादृच्छिक रूप से कार्य करने वाले खिलाड़ियों के बीच कुछ हज़ार सिम्युलेटेड गेम चलाएं (यह सभी संभव चालों पर विचार करने की तुलना में तेज़ है)। इसके द्वारा शुरू होने वाले खेलों की औसत जीत दर के बराबर राज्यों के लिए एक मूल्य प्रदान करें। यह सही उत्तर नहीं दे सकता है, लेकिन कुछ प्रकार के खेलों में, यह मज़बूती से प्रदर्शन करता है। यह अक्सर अपने दम पर उपयोग किए जाने के बजाय अधिक सटीक तकनीकों के विस्तार के रूप में उपयोग किया जाता है।
एनबी यही कारण है कि मैंने केवल इन तीन एल्गोरिदम को चुना, समय के कारण जो मैंने उन्हें समझने में उपलब्ध किया है। थोड़े शोध से, मैंने पाया कि ये एल्गोरिदम मूल रूप से मिनिमैक्स एल्गोरिथम में इंटरव्यू किए गए हैं। इसलिए अगर मैं एक को समझ सकता हूं तो बाकी दो बस गिर जाएंगे।
इस संदर्भ को देखते हुए, मैं मिनिमैक्स के साथ शुरुआत करने की सलाह दूंगा । तीन एल्गोरिदम में से, मिनीमैक्स समझने में सबसे आसान है।
अल्फा-बीटा , जैसा कि अन्य ने अन्य उत्तरों में उल्लेख किया है, मिनिमैक्स के शीर्ष पर एक सख्त सुधार है। मिनीमैक्स मूल रूप से अल्फा-बीटा कार्यान्वयन का एक हिस्सा है, और अल्फा-बीटा की एक अच्छी समझ के लिए वैसे भी मिनीमैक्स की अच्छी समझ के साथ शुरुआत करना आवश्यक है। यदि आपके पास मिनिमैक्स को समझने और लागू करने के बाद समय बचा है, तो मैं अल्फा-बीटा को आगे बढ़ने और मिनिमैक्स के शीर्ष पर निर्माण करने की सलाह दूंगा। अल्फा-बीटा के साथ शुरू करना अगर आप अभी तक नहीं समझते हैं कि मिनिमैक्स वास्तव में कोई मतलब नहीं है।
मोंटे-कार्लो ट्री सर्च शायद थोड़ा और अधिक उन्नत और वास्तव में गहराई से समझने के लिए अधिक जटिल है। पिछले एक दशक में, MCTS वास्तव में अन्य दो की तुलना में बहुत अधिक लोकप्रिय हो रहा है, इसलिए इस दृष्टि से MCTS अधिक "उपयोगी" हो सकता है।
मिनिमैक्स और एमसीटीएस के बीच कनेक्शन मिनिमैक्स और अल्फा-बीटा के बीच के कनेक्शन की तुलना में कम प्रत्यक्ष / स्पष्ट है, लेकिन अभी भी कम से कम एक वैचारिक स्तर पर एक कनेक्शन है। मेरा तर्क है कि पहले MCim में गोता लगाने से पहले मिनीमैक्स की अच्छी समझ होना अभी भी फायदेमंद है ; विशेष रूप से, मिनीमैक्स और उसके दोष / कमजोर बिंदुओं को समझना उपयोगी संदर्भ प्रदान कर सकता है / आपको यह समझने में मदद करता है कि एमसीटीएस "आवश्यक" / लोकप्रिय क्यों हो गया।
मेरी राय में, निष्कर्ष निकालने के लिए:
मुझे आपको मिनिमैक्स और अल्फा-बीटा के बीच चयन करना होगा, जो आपको अल्फा-बीटा चुनना चाहिए। यह अधिक कुशल और तेज़ है क्योंकि यह आपके अन्वेषण पेड़ के एक बड़े हिस्से को prune कर सकता है। लेकिन आपको अधिकतम या न्यूनतम दृष्टिकोण के आधार पर सबसे अच्छे से सबसे बुरे कार्यों का आदेश देने की आवश्यकता है, इसलिए एल्गोरिथ्म जल्दी से महसूस कर सकता है कि क्या अन्वेषण आवश्यक है।