„Minimax elv” változatai közötti eltérés

[ellenőrzött változat][ellenőrzött változat]
Tartalom törölve Tartalom hozzáadva
1 forrás archiválása és 0 megjelölése halott linkként. #IABot (v2.0beta9)
→‎Minimax algoritmus váltakozó lépéses játékokra: Helyes a megnevezés, "heurisztikus kiértékelő függvény"-nek nevezik ME-s, ELTE-s, BME-s, DE-s Mes. Int. jegyzetekben is.
102. sor:
 
== Minimax algoritmus váltakozó lépéses játékokra ==
<small>''A(z) ''(heurisztikus) értékelő függvény'' az angol alapján van magyarítva, és nem biztos, hogy az elfogadott szakszóhasználtatot tükrözi.''</small>
 
Rekurzív algoritmus a következő lépés meghatározására. A játékosok száma ''n'', de többnyire kettő. A játék minden állásához tartozik egy érték, amit aza értékelésiheurisztikus kiértékelő függvény segítségével számítható. Ez jelzi, hogy mennyire kedvez egy játékosnak az az állás. A soron következő játékos maximalizálja az ellenfelek lépései után elérhető minimális értéket.
 
Az egyik módszer a biztos győzelmet +1 nyereségnek tekinti. Egy másik módszer szerint egy nyerő lépés nyeresége [[végtelen]]. A játékot '''A''' szempontjából tekintve '''A''' a maximalizáló, és '''B''' a minimalizáló játékos. A fenti [[algoritmus]] minden álláshoz plusz vagy mínusz végtelent rendel, mert minden állás a végső állás értékét veszi fel. Gyakran ez csak a játék vége után lehetséges, mert a számítógépes kapacitás nem elegendő a teljes játék áttekintésére. Ilyen például a [[sakk]] és a [[gó]]. Csak a végjátékot lehet így végigelemezni, így az egyes állásokhoz véges értékeket rendelnek, amik a nyerés bizonyosságát fejezik ki az egyik vagy a másik játékos számára.
 
Ez a módszer kiterjeszthető egy heurisztikus értékelőkiértékelő függvény segítségével, ami anélkül rendel véges értékeket az egyes állásokhoz, hogy áttekintené az összes lehetséges befejezést. Ehelyett csak bizonyos számú lépést elemez ki előre. A [[Deep Blue]] például 12 lépést tud átlátni, és erre alkalmazni a heurisztikus értékelőkiértékelő függvényt.
 
Az algoritmus a játékfa csúcsainak felkutatásaként képzelhető el. Az egy állásban megtehető lépések átlagos száma jó elágazási tényező. A csúcsok száma rendszerint [[exponenciális függvény|exponenciálisan]] nő, ezért nem hatékony a teljes játék végigelemzéséhez.