Selamat datang di Pelajaran 3 dari Konsep Kecerdasan Buatan (PolyU COMP5511). Dalam sesi ini, kita beralih dari pencarian jalur agen tunggal ke Pencarian Lawan, di mana agen beroperasi di lingkungan multi-agen yang kompetitif. Kami juga memperkenalkan Masalah Pemenuhan Kendala (CSPs), sebuah paradigma di mana tujuannya adalah untuk menemukan status yang memenuhi seperangkat batasan tertentu daripada jalur.
Konsep Inti
- Pencarian Lawan: Berfokus pada algoritma seperti Minimax dan Pruning Alpha-Beta untuk membuat keputusan rasional melawan lawan yang cerdas.
- Pencarian Pohon Monte Carlo (MCTS): Menjelajahi pengambilan keputusan probabilistik, berfungsi sebagai tulang punggung AI game modern seperti AlphaGo.
- Pemenuhan Kendala: Memodelkan masalah menggunakan Variabel, Domain, dan Kendala, diselesaikan melalui Backtracking dan Pencarian Lokal.
Analisis Kompleksitas
Dalam pengaturan lawan, kompleksitas ruang pencarian sering ditentukan oleh faktor percabangan permainan
Peringatan Pergeseran Paradigma
Berbeda dengan pencarian standar (misalnya, A* atau BFS) di mana lingkungan bersifat statis, Pencarian Lawan mengasumsikan lingkungan (lawan) secara aktif mencoba meminimalkan kesuksesan Anda. Dalam CSPs, urutan tindakan kurang penting daripada validitas penetapan akhir.
Pseudokode Konseptual: Tipe Agen
1
# Agen Lawan (Teori Permainan)
2
fungsiPutuskan_Langkah( status):
3
kembalikanMaksimalkan_Utilitas( Prediksi_Minimisasi_Lawan( status))
4
5
# Pemecah CSP (Logika Kendala)
6
fungsiSelesaikan_CSP( variabel, kendala):
7
jikaSemua_Kendala_Terpenuhi( penetapan):
8
kembalikanpenetapan
9
lainnya
10
kembalikanCari_Kembali( variabel )
Peta Jalan Kursus
Beralih dari Pencarian (Pelajaran 2) ke Pengambilan Keputusan Strategis (Pelajaran 3).