我正在尝试使用 Minimax 算法沿着国际象棋机器人的路线创建一个 2 人 Atlas 游戏机器人。 我正在使用仅包含国家和首都的数据库来诱导游戏中的策略。游戏有两种结束方式：
第一种方式可以通过放置计时器来实现。第二种方法非常有趣，我们可以创建一个决策树，其中每个节点代表每个玩家可用的动作。
但一个重要的问题与国际象棋不同，在国际象棋中，玩家和对手都有自己的资源，并且使用这些资源计算评估函数，之后算法尝试最大化玩家的路线并最小化对手的路线。在这里，两个玩家都有相同的集合可供选择，我认为极小极大在这里不能很好地发挥作用。 negamax 会起作用吗？还是遗传算法是唯一的选择，或者我可能不需要这些奇特的算法？
假设一个单词在整个游戏中只能使用一次，因此每个游戏最终都会结束，则可以使用极小极大算法。两个对手共享相同的材料这一事实并不重要，重要的是轮到他们时他们可以采取的行动。
但是，在这种情况下，创建评估函数并不简单，因此您可能必须探索所有可能的延续，直到最后。这是因为，如果您在游戏中达到了有胜利者的程度，那么进行评估就非常简单（显然）。如果你能做到这一点，那么你就已经解决了游戏。
不幸的是，这个解决方案可能太复杂（在内存和时间方面）。如果是这种情况，你可以尝试执行最基本的评估形式，即如果某个位置上没有赢家，那么每个玩家都有 0.5 的获胜机会。如果你的目标是在这场游戏中击败一个普通人，我认为这就足够了，因为他们无论如何都无法思考超过 3 步。