第5章 对抗搜索和博弈

图 5-1 井字棋的（部分）博弈树。最上面的节点是初始状态，max 先移动，在某个空位上放一个 x。我们展

示了树的一部分，给出 min(o)和 max(x)的交替移动，直到最终到达终止状态，根据博弈规则为终止状态分配
效用值

图 5-2 二层博弈树。△节点为“max 节点”，即轮到 max 移动， 节点为“min 节点”。终止节点显示 max

的效用值，其他节点标记有它们的极小化极大值。max 在根节点的最佳移动是 a1，因为它指向极小化极大值最
高的状态，而 min 的最佳响应是 b1，因为它指向极小化极大值最低的状态
图 5-3 使用极小化极大计算最优移动的算法。最优移动是指，在假定对手移动是为了使效用值最小的前提下，
使终止状态效用值最大的移动。函数 Max-Value 和 Min-Value 遍历整个博弈树直到叶节点，以确定每个状态的
倒推值以及如何移动以到达该状态

图 5-4 三人博弈的博弈树的前三层，3 个玩家为 A、B、C。每个节点都标有 3 个玩家各自的效用值。最佳移

动标示在根节点上
图 5-5 图 5-2 中博弈树的最优决策计算过程。每一步都标有每个节点可能的值的范围。（a）B 下面的第一个
叶节点值为 3。因此，作为 min 节点，B 的值最多为 3。（b）B 下面的第二个叶节点值为 12，min 将避免移动
到该节点，所以 B 的值仍然最多为 3。（c）B 下面的第三个叶节点值为 8，此时我们已经检查完了 B 的所有后
继状态，所以 B 的值就是 3。现在我们可以推断根节点的值至少是 3，因为 max 在根节点处有值为 3 的选择。
（d）C 下面的第一个叶节点值为 2。因此，作为 min 节点，C 的值最多为 2。但是我们知道 B 的值为 3，所以
max 永远不会选择 C。因此，没有必要再去检查 C 的其他后继状态。这是 剪枝的一个实例。（e）D 下面的
第一个叶节点值为 14，所以 D 的值最多为 14。这仍然高于 max 的最佳选择（即 3），所以我们需要继续探索
D 的后继状态。注意，此时根节点的所有后继都有界，所以根节点的值也最多为 14。（f）D 的第二个后继值
为 5，所以我们又需要继续探索。第三个后继值为 2，所以 D 的值就是 2。最终，max 在根节点处的决策是移
动到值为 3 的节点 B

图 5-6 剪枝的一般情况。如果对玩家来说 m 或 m'要好于 n，那么我们永远都不会在博弈中到达 n

图 5-7 搜索算法。注意，这些函数与图 5-3 中的 Minimax-Search 函数相同，除了需要维护变量 和 ，以及
在值超出边界时截断搜索

图 5-8 两个国际象棋局面，只有右下角车的位置不同。在（a）中，黑方有一个马两个兵的优势，这足以取胜。
在（b）中，白方将吃掉对方的皇后，这几乎是必胜的优势

图 5-9 视野效应。黑方移动后，黑象注定难逃厄运。但是黑方可以用兵来阻挡白方的王，引诱王去吃掉兵。
这会将不可避免的象的损失推到视野之外，因此，搜索算法将牺牲兵的这一步看作“好招”

图 5-10 使用蒙特卡罗树搜索（MCTS）选择移动的算法的一次迭代，该算法使用“应用于树搜索的置信上
界”法（UCT）作为选择度量，此时已完成了 100 次迭代。（a）选择移动，沿着树一直向下，到标记为
27/35（35 次模拟中黑方赢了 27 次）的叶节点结束。（b）扩展所选节点并进行模拟，最终黑方获胜。（c）将
模拟结果沿树反向传播
图 5-11 蒙特卡罗树搜索算法。首先，初始化博弈树 tree，然后重复 Select/Expand/Simulate/Back-Propagate 的
循环，直到时间耗尽，最后返回指向模拟次数最多的节点的移动

图 5-12 一个典型的西洋双陆棋局面。游戏的目标是把自己的所有棋子移出棋盘。黑方向 25 顺时针移动，白

方向 0 逆时针移动。一个棋子可以移动到任何位置，除非那里有多个对方棋子；如果只有一个对方棋子，对方
棋子就会被吃掉，然后必须从起点重新开始。图中所示的局面，黑棋已经掷出了 6-5，必须从(5−11, 5−10)、
(5−11, 19−24)、(5−10, 10−16)和(5−11, 11−16)这 4 种合法移动中选择，其中符号(5−11, 11−16)表示将一个棋子
从位置 5 移动到位置 11，另一个棋子从位置 11 移动到位置 16

图 5-13 西洋双陆棋局面的博弈树图解
 图 5-14 在保持叶节点值排序不变的情况下，不同的叶节点赋值改变了最佳移动

图 5-15 KRK 残局必胜策略的一部分，图中为缩减后的棋盘。在初始信念状态中，黑王位于 3 种可能位置之

一。通过一系列探索移动，该策略将黑王的范围缩小到其中一种。将死策略的剩余部分留作习题

图 5-16 启发式极小化极大算法可能出错的二层博弈树