อัลกอริธึม Minimax ช่วยค้นหาท่าที่ดีที่สุด โดยย้อนกลับจากท้ายเกม ในแต่ละขั้นตอน จะถือว่าผู้เล่น A พยายามเพิ่มโอกาสในการชนะ A ให้สูงสุด ในขณะที่ในเทิร์นถัดไป ผู้เล่น B พยายามลดโอกาสในการชนะ A ให้เหลือน้อยที่สุด (กล่าวคือ เพื่อเพิ่มโอกาสในการชนะของ B ให้สูงสุด)
ทำไมเราใช้อัลกอริธึม minimax
Minimax เป็นอัลกอริธึมย้อนรอยที่ใช้ ในการตัดสินใจและทฤษฎีเกมเพื่อค้นหาการเคลื่อนไหวที่เหมาะสมที่สุดสำหรับผู้เล่น สมมติว่าคู่ต่อสู้ของคุณเล่นได้อย่างดีที่สุดเช่นกัน มีการใช้กันอย่างแพร่หลายในเกมผลัดกันเล่นสองคน เช่น Tic-Tac-Toe, Backgammon, Mancala, Chess เป็นต้น
อัลกอริธึม minimax มีปัญหาอย่างไร
ข้อเสียเปรียบหลักของอัลกอริธึม minimax คือ มันช้ามากสำหรับเกมที่ซับซ้อน เช่น Chess, go ฯลฯ เกมประเภทนี้มีปัจจัยการแตกแขนงขนาดใหญ่ และผู้เล่นมีตัวเลือกมากมายในการตัดสินใจ
อัลกอริทึม minimax ทำงานอย่างไรสำหรับหมากรุก
ทำได้โดยใช้อัลกอริธึม Minimax ในอัลกอริธึมนี้ ต้นไม้แบบเรียกซ้ำของการเคลื่อนไหวที่เป็นไปได้ทั้งหมดจะถูกสำรวจในระดับความลึกที่กำหนด และตำแหน่งจะถูกประเมินที่ "ใบไม้" ที่สิ้นสุดของต้นไม้ … ประสิทธิภาพของอัลกอริธึม minimax นั้นขึ้นอยู่กับ ความลึกในการค้นหาที่เราสามารถทำได้.
ทำไม minimax ถึงดีที่สุด
บทคัดย่อ: ในทางทฤษฎี กลยุทธ์ที่เหมาะสมที่สุดสำหรับเกมทุกประเภทเทียบกับคู่ต่อสู้ที่ชาญฉลาด คือกลยุทธ์ Minimax Minimax ถือว่าคู่ต่อสู้ที่มีเหตุผลอย่างสมบูรณ์ซึ่งดำเนินการอย่างเหมาะสมที่สุดเช่นกัน อย่างไรก็ตาม ในทางปฏิบัติ ฝ่ายตรงข้ามที่เป็นมนุษย์ส่วนใหญ่ไม่อยู่ในความมีเหตุมีผล