artificial-intelligence - 更好的游戏启发式函数(AI Minimax)

Question

我用java编写了一个游戏。游戏很简单(引用下图)。有4只鸟和1只幼虫。这是一个 2 人游戏(AI vs Human)。

幼虫可以斜向前和斜向后移动

鸟类只能对角向前移动

如果幼虫可以到达第 1 行(围栏)，它就会获胜

如果鸟类没有任何 Action ，幼虫也会获胜

鸟类不能“吃”幼虫。

如果幼虫没有向左移动(根本无法移动)，则鸟类获胜

游戏开始时，幼虫开始，然后一只鸟可以移动(任何一只)，然后是幼虫，等等......

我已经实现了一个 MiniMax(Alpha Beta 剪枝)并且我正在使用下面的评估()函数(启发式函数)。

让我们为黑板上的每个方格指定以下数字。



因此，我们的评价函数将是

h(n) = 幼虫位置值 - 鸟 1 位置值 - 鸟 2 位置值 - 鸟 3 位置值 - 鸟 4 位置值

幼虫将尝试最大化启发式值，而鸟类将尝试将其最小化

例子:



然而，这是一种简单而幼稚的启发式方法。它不会以聪明的方式行事。我是人工智能的初学者，我想知道我可以做些什么来改进这个启发式函数？

什么是好的/知情的启发式方法？

Answer 1

这个怎么样 :

最大:幼虫

最低:鸟类
H(t)=max_distance(larva,line_8)+Σmin_distance(bird_n,larva)
或者
H(t)=Σmin_distance(bird_n,larva) - min_distance(larva,line_1)
最大距离(幼虫，line_8) : 反射(reflect)幼虫更接近1号线的情况。

Σmin_distance(bird_n,larva) :反射(reflect)鸟类靠近幼虫的情况(阻止它)。

我相信还有很多东西可以考虑，例如，离幼虫最近的鸟应该优先选择移动，但是上面关于功能的方向是有道理的，很多细节可以认为很容易改进.