Upload
bert-beck
View
37
Download
0
Embed Size (px)
DESCRIPTION
人工知能 L ecture 8. ゲームの手の決定、ミニマックス枝狩り 枝刈りの利得計算. ゲームの手の決定. ミニマックス定理. min node : 相手の利益を最小にする手を選ぶ. MAX node :自分の利益を最大にする手を選ぶ. f(S). f(1). S. 1. 1. 2. f(2). f(1). f(4). 4. f(3). 3. f(S) = Max {f(1), f(2) }. f(1) = min {f(3), f(4) }. F(s) = MAX { F(1), F(2) }. S. 1. 2. 4. 3. 7. - PowerPoint PPT Presentation
Citation preview
人工知能
Lecture 7aミニマックス法: αβ 枝狩り
田中美栄子
ミニマックス法:アルファ・ベータ枝刈
S
1 2自身が選択
ミニマックス法:アルファ・ベータ枝刈
S
1 2
3 4相手が選択
ミニマックス法:アルファ・ベータ枝刈
S
1 2
3 4
7 98
3
4
5
αβ (3)=( 5,5 )
ミニマックス法:アルファ・ベータ枝刈
S
1 2
3 4
7 98
3
4
5
αβ (3)=( 5,5 )
αβ (1)= (-∞ ,5 )
ミニマックス法:アルファ・ベータ枝刈
S
1 2
3 4
7 98
3
4
5
αβ (3)=( 5,5 )
αβ (1)= (-∞ ,5 )
10
12
11
4
7
5
ミニマックス法:アルファ・ベータ枝刈
S
1 2
3 4
7 98
3
4
5
αβ (3)=( 5,5 )
αβ (1)= (-∞ ,5 )
10
12
11
4
7
5
αβ (4)=( 4,∞ )
ミニマックス法:アルファ・ベータ枝刈
S
1 2
3 4
7 98
3
4
5
αβ (3)= ( 5,5 )
αβ (1)= (-∞ ,5 )
10
12
11
4
7
5
αβ (4)=( 5,∞ )
αβ (4)= ( 5,∞ ) となった段階で親ノード1の範囲αβ (1)= (-∞ ,5 )と矛盾しない解はαβ (4)= ( 5, 5 )αβ (1)= ( 5 ,5 )となってノード1もノード4も値が確定してしまう。ノード12 は調べる必要なし。
ノード 12 を調べる前にノード 1 の β 値より右にノード4の範囲が来たため、 1と 4 の間の枝が βカットされた
ミニマックス法:アルファ・ベータ枝刈
S
1 2
3 4
7 98
3
4
5
αβ (3)=( 5,5 )
αβ (1)=( 5,5 )
10
12
11
4
7
5
αβ (4)=( 5,5 )
調べなくてもよい
ミニマックス法:アルファ・ベータ枝刈
S
1 2
3 4
7 98
3
4
5
αβ (3)=( 5,5 )
αβ (1)=( 5,5 )
10
12
11
4
7
5
αβ (4)=( 5,5 )
ノード1の値が確定したらS の α 値が決まる
αβ (1)=( 5,∞ )
ミニマックス法:アルファ・ベータ枝刈
S
1 2αβ (1)=( 5,5 )
αβ(S) = ( 5, ∞ ) ノード 1 以下の探索が終わっ
て S の下限、 α ( S)= 5が確定した。次はノード 2 以下のノードを探索
ミニマックス法:アルファ・ベータ枝刈
S
1 2
5 6
αβ (1)=( 5,5 )
αβ(S) = ( 5, ∞ )
ミニマックス法:アルファ・ベータ枝刈
S
1 2
5 6
13
15
14
4
2
3
αβ (1)=( 5,5 )
αβ(S) = ( 5, ∞ )
αβ (5)=( 4,4 )
ミニマックス法:アルファ・ベータ枝刈
S
1 2
5 6
13
15
14
4
2
3
αβ(S) =( 5 ,∞)
αβ (5)=( 4,4 )
αβ (2)= ((-∞ ,4 ) ノード 2 の範囲は 4
以下であり、 S の αより小さいので,これ以上探索を行わなくてもよい.
ノード 6 以下を探索する前にノードS とノード 2 をつなぐ枝が α カットされた
αβ(2) = (-∞ ,4 )
αβ(S) = ( 5, ∞ )