artificial-intelligence - "Monte-Carlo Tree Search"可以像 Stratego 一样应用于 "two player game with imperfect information"吗？

Question

我想开发一个不完全信息的两人游戏——“战略”。

游戏“有点”像国际象棋，但最初我们对对手棋子的排名一无所知。当一个棋子攻击或被一些对手的棋子攻击时，他们的等级会被显示出来，更高等级的棋子杀死/捕获低等级的棋子。
更多游戏详情请见here .

我做了一点研究。我读了 J.A. 的“战略中的对手建模”。斯坦凯维奇。但是我找不到关于如何开发游戏的完整教程。我之前已经成功开发了一个两人游戏——“黑白棋”又名黑白棋，我熟悉 MINIMAX 算法和 alpha-beta 剪枝。

我在某处发现蒙特卡罗树搜索也用于开发零和两人游戏。它可以用于诸如stratego之类的游戏吗？我可以获得相同的完整教程吗？

任何其他不涉及蒙特卡罗树搜索的教程也很有用:)

Answer 1

我认为 MCTS 在 Stratego 中会遇到困难，因为初始传播函数如此之大，而最佳玩法非常依赖于游戏的真实情况。也就是说，在最好的情况下，MCTS 会给你一个在对手棋子的所有可能变化中统计上很好的打法，但最好的下一步行动高度依赖于他们选择的特定变化。

我仍然对 MCTS 有了深入的了解，但在我看来，MCTS 在涉及隐藏信息的多轮欺骗性游戏很重要的游戏中表现不佳(扑克，规范，但我也想说，策略)。在此类游戏中，您确实需要开发其他玩家情况/策略的模型，而 MCTS 本质上会为您提供与所有树(而不仅仅是真实树)在统计上相关的答案。

MCTS 适用于涉及大量机会的游戏(西洋双陆棋和其他涉及骰子和许多纸牌游戏的棋盘游戏)，在我看来，它是一种出色的通用解决方案，可以迅速应用于大量现代“欧式”棋盘游戏。 (有趣的是，虽然它们涉及“欺骗策略”，但它们通常涉及的隐藏信息相对较少。)