Was ist der Unterschied zwischen staatlicher Evaluation und Heuristiken in der KI?

Question

Ich versuche einen Minimax-Algorithmus für einen KI-Spieler in einem einfachen Kartenspiel zu implementieren. Aus der Recherche heraus bin ich jedoch verwirrt, was die Hauptunterschiede zwischen staatlicher Bewertung und Heuristiken sind.

Von dem, was ich verstehe, werden Heuristiken durch die aktuellen Informationen berechnet, die dem Spieler zur Verfügung stehen (z. B. in Schach, die Teile und ihre relevanten Orte). Mit dieser Information kommen sie zu einer Schlussfolgerung, die auf einer heuristischen Funktion basiert, die im Wesentlichen eine "Faustregel" liefert.

Eine Zustandsbewertung ist der genaue Wert des aktuellen Zustands.

Allerdings bin ich nicht sicher, warum beide Dinge koexistieren, da ich nicht sehen kann, wie sie sich voneinander unterscheiden. Bitte, kann jemand zusammen arbeiten und meine Verwirrung klären. Vielen Dank.

Answer 1

Unter der Annahme eines Nullsummenspiels können Sie eine Zustandsbewertung für Endzustände durchführen (Spiel beendet mit Gewinn, Unentschieden, Verlust aus Perspektive von Spieler X), was 1,0, -1 ergibt. Eine vollständige Baumsuche wird dir dann das perfekte Spiel bringen.

Aber in der Praxis ist der Baum riesig und kann nicht vollständig durchsucht werden. Daher müssen Sie die Suche an einem Punkt stoppen, der kein Endzustand ist. Es gibt keinen bestimmten Gewinner oder Verlierer. Nun ist es schwierig, diesen Zustand mit 1,0, -1 zu markieren, da das Spiel zu komplex ist, um den Gewinner aus einem Zustand weit entfernt vom Endzustand zu bewerten. Aber Sie müssen diese Positionen noch auswerten und können einige Annahmen über das Spiel verwenden, die heuristischen Informationen entsprechen. Ein Beispiel ist Stückmasse im Schach (Dame ist wertvoller als ein Bauer). Dies ist heuristische Information, die in die nicht-perfekte Bewertungsfunktion (Approximation des Realen) integriert ist. Je besser Ihre Annahmen/Heuristiken sind, desto besser ist die Annäherung an die tatsächliche Bewertung!

Aber es gibt andere Teile, in denen heuristische Informationen eingearbeitet werden können. Ein sehr wichtiger Bereich kontrolliert die Baumsuche. Der erste Zug wird zuerst bewertet, der letzte Zug. Wenn Sie zuerst gute Züge auswählen, können Sie mit Algorithmen wie Alpha-Beta große Teile des Baumes beschneiden. Aber natürlich müssen Sie einige Annahmen/heuristische Informationen angeben, um Ihre Züge zu ordnen (z. B. queen-move mächtiger als pawn-move; das ist ein erfundenes Beispiel, ich bin mir nicht sicher über die Wirkung dieser Heuristik im Schach -AIs hier)