Kunstig Intelligens til Brætspillet Taiji - Danmarks Tekniske Universitet

More documents

Recommendations

Info

50 Minimax Det kan ses at alle de endelige stadier, som kan opn˚as fra dette træk, enten ender i uafgjort eller i en sejr til sort. Gennemg˚as alle endelige stadier kan det ogs˚a ses, at intet stadie med sort i midten g˚ar til den hvide spiller. Dette gælder selvfølgelige ogs˚a den anden vej rundt, intet stadie med hvid i midten g˚ar til den sorte spillers sejr. Her af kan det konkluderes at den spiller, der først placeres sin farve i midten, vil være sikret minimum et uafgjort resultat. Desuden kan det ses at et hvert slutstadie med et frit felt i midten ender uafgjort. Med andre ord er midten nødvendig for at vinde spillet, n˚ar brættet er p˚a 3 gange 3 felter.
Kapitel 5 5.1 Spilgraf Optimering af Minimax En kraftig reducering kan opn˚as ved at skifte fra et spiltræ til en spilgraf. Forskellen mellem et spil træ og en spilgraf er, at hvor et spiltræs grene aldrig vil g˚a sammen igen, er dette en mulighed for en spilgraf. I praksis er dette muligheden for at samme brættilstand kan n˚as ad mere end en vej.
Page 1 and 2:
Kunstig Intelligens til Brætspille
Page 3:
Summary This project concerns the d
Page 7:
Forord Dette speciale er udarbejdet
Page 10 and 11: viii INDHOLD 5.3 Hash funktioner .
Page 12 and 13: 2 Taiji Figur 1.1: Standard Taiji b
Page 14 and 15: 4 Taiji 1.1.1 Forskelle mellem de o
Page 16 and 17: 6 Taiji Alts˚a kan der maksimalt f
Page 18 and 19: 8 Taiji Figur 1.9: Et standard Taij
Page 20 and 21: 10 Taiji Der er dog en række speci
Page 22 and 23: 12 Taiji Figur 1.15: Eksempel p˚a
Page 24 and 25: 14 Taiji 1.4 Spillets kompleksitet
Page 26 and 27: 16 Taiji Figur 1.18: Alle trækmuli
Page 28 and 29: 18 Taiji Figur 1.21: Denne figur vi
Page 30 and 31: 20 Taiji
Page 32 and 33: 22 Design og brugervenlighed Figur
Page 34 and 35: 24 Design og brugervenlighed naturl
Page 36 and 37: 26 Design og brugervenlighed muligh
Page 38 and 39: 28 Design og brugervenlighed 2.2.2
Page 40 and 41: 30 Design og brugervenlighed uprakt
Page 42 and 43: 32 Kunstig Intelligens 3.1.1 TaijiD
Page 44 and 45: 34 Kunstig Intelligens 3.1.10 Figur
Page 46 and 47: 36 Kunstig Intelligens 3.2.1 Nodes:
Page 48 and 49: 38 Kunstig Intelligens at udvide de
Page 50 and 51: 40 Minimax først søgningen, da de
Page 52 and 53: 42 Minimax 4.3 Spilgraf for 3x3 Tai
Page 54 and 55: 44 Minimax Herunder ses spilgrafen
Page 56 and 57: 46 Minimax Herunder ses spilgrafen
Page 58 and 59: 48 Minimax Som det kan ses ender sp
Page 62 and 63: 52 Optimering af Minimax Figur 5.1:
Page 66 and 67: 56 Optimering af Minimax som et uni
Page 68 and 69: 58 Optimering af Minimax Det er der
Page 70 and 71: 60 Optimering af Minimax klarer sig
Page 72 and 73: 62 Optimering af Minimax IF v < m T
Page 74 and 75: 64 Optimering af Minimax er tilfæl
Page 78 and 79: 68 Optimering af Minimax vigtigt at
Page 80 and 81: 70 Optimering af Minimax
Page 82 and 83: 72 Begrænsning af antallet af unde
Page 88 and 89: 78 Test og sammenligning af de impl
Page 102 and 103: 92 Konklusion selv n˚a igennem et
Page 104 and 105: 94 Konklusion
Page 106 and 107: 96 Bilag A 19 20 // i n i t i a l i
Page 108 and 109: 98 Bilag A 120 nodes [ p [ 0 ] ] [
Page 110 and 111:
100 Bilag A 218 i f ( n . a > beta
Page 112 and 113:
102 Bilag A 319 p [2]= nodes [ p [
Page 114 and 115:
104 Bilag A 419 420 421 422 423 424
Page 116 and 117:
106 Bilag A 517 n . wr = tModel . n
Page 118 and 119:
108 Bilag A 61 } 62 } 63 64 // c h
Page 120 and 121:
110 Bilag A 155 b [ c +1][ r −1]
Page 122 and 123:
112 Bilag A 251 b [ c −1][ r −1
Page 124 and 125:
114 Bilag A 347 r e = placePieceMax
Page 126 and 127:
116 Bilag A 443 r e = placePieceMax
Page 128 and 129:
118 Bilag A 537 b [ c +1][ r −1]
Page 130 and 131:
120 Bilag A 633 b [ c −1][ r −1
Page 132 and 133:
122 Bilag A 729 beta = r e [ 2 ] ;
Page 134 and 135:
124 Bilag A 825 beta = r e [ 2 ] ;
Page 136 and 137:
126 Bilag A 916 i f ( n . a > v ) 9
Page 138 and 139:
128 Bilag A 997 Root . wc=0; // tMo
Page 140 and 141:
130 Bilag A 1097 n . bc = tModel .
Page 142 and 143:
132 Bilag A 93 i f ( rowEnd >= tMod
Page 144 and 145:
134 Bilag A 192 alpha = n . a ; 193
Page 146 and 147:
136 Bilag A 291 } 292 293 // Min−
Page 148 and 149:
138 Bilag A 391 n . c h i l d r e n
Page 150 and 151:
140 Bilag A 493 i f ( Root . c h i
Page 152 and 153:
142 Bilag A 593 r e t u r n ( n ) ;
Page 154 and 155:
144 Bilag A 90 b [ c ] [ r ] = 0 ;
Page 156 and 157:
146 Bilag A 185 // System . out . p
Page 158 and 159:
148 Bilag A 280 } 281 282 // f l y
Page 160 and 161:
150 Bilag A 377 // i f ( tTree . ma
Page 162 and 163:
152 Bilag A 481 } 482 r e t u r n (
Page 164 and 165:
154 Bilag A 532 // System . out . p
Page 166 and 167:
156 Bilag A 33 p u b l i c i n t [
Page 168 and 169:
158 Bilag A 137 f o r ( i n t r =0;
Page 170 and 171:
160 Bilag A 245 f o r ( i n t r =0;
Page 172 and 173:
162 Bilag A 353 break ; 354 } 355 i
Page 174 and 175:
164 Bilag A 94 } 95 { // H o r i s
Page 176 and 177:
166 Bilag A 198 p r i v a t e void
Page 178 and 179:
168 Bilag A 303 f [ 1 ] [ 0 ] [ 1 ]
Page 180 and 181:
170 Bilag A 409 f o r ( i n t r =0;
Page 182 and 183:
172 Bilag A 43 p u b l i c Node cre
Page 184 and 185:
174 Bilag A 27 whiteScore = new Sco
Page 186 and 187:
176 Bilag A 65 bc = 1 ; 66 e l s e
Page 188 and 189:
178 Bilag A 58 p u b l i c void mou
Page 190 and 191:
180 Bilag A 149 S t r i n g t x t =
Page 192 and 193:
182 Bilag A l o a d i n g the f i l
Page 194 and 195:
184 Bilag A 7 p u b l i c AITaijiMi
Page 196 and 197:
186 Bilag A 105 i f ( b l a c k P l
Page 198 and 199:
188 Bilag A 211 tBoard . s e t P i
Page 200 and 201:
190 Bilag A 315 { 316 f o r ( i n t
Page 202 and 203:
192 Bilag A 416 { 417 //Bunden 418
Page 204 and 205:
194 Bilag A 510 p r i v a t e boole
Page 206 and 207:
196 Bilag A 612 } 613 614 // b e r
Page 208 and 209:
198 Bilag A 702 } 703 704 // s a e
Page 210 and 211:
200 Bilag A 802 p u b l i c void ne
Page 212 and 213:
202 Bilag A 59 g . f i l l R e c t
Page 214 and 215:
204 Bilag A 159 { 160 t h i s . set
Page 216 and 217:
206 Bilag A 81 System . out . p r i
Page 218 and 219:
208 Bilag A [ 1 ] [ 7 ] + ” ”+n
Page 220 and 221:
210 Bilag A 176 System . out . p r
Page 222 and 223:
Page 224 and 225:
Page 226 and 227:
216 Bilag A [ 8 ] [ 2 ] ) ; 277 i f
Page 228 and 229:
218 Bilag A 326 p u b l i c void pr
Page 230 and 231:
220 Bilag A 393 i f ( tModel . noRo
Page 232 and 233:
222 Bilag A 449 i f ( tModel . noRo
Page 234 and 235:
Page 236 and 237:
226 Bilag A 30 31 tFrame = frame ;
Page 238 and 239:
228 Bilag A 135 tFrame . tModel . s
Page 240 and 241:
230
Page 242 and 243:
232 Bilag B ”Introduction to Algo
Page 244:
234
show all

Kunstig Intelligens til Brætspillet Taiji - Danmarks Tekniske Universitet

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?