Resumen: Este artículo presenta la primera evaluación experimental de cuatro modificaciones previamente no probadas del algoritmo Minimax mejor ilimitado. Este algoritmo explora el árbol del juego expandiendo iterativamente las secuencias de acciones más prometedoras basadas en el árbol de juego parcial actual. Primero evaluamos el uso de tablas de transposición, que convierten el árbol de juego en un gráfico acíclico dirigido fusionando estados duplicados. En segundo lugar, comparamos el algoritmo original de KORF & Chickering con la variante propuesta por Cohen-Solal, que difiere en su estrategia de propagación posterior: en lugar de detenerse cuando se encuentra un valor estable, se actualiza los valores hasta la raíz. Este cambio mejora ligeramente el rendimiento cuando están involucradas lazos de valor o tablas de transposición. En tercer lugar, evaluamos el reemplazo de la función de evaluación terminal exacta con la función heurística aprendida. Si bien es beneficioso cuando las evaluaciones exactas son costosas, esta modificación reduce el rendimiento en entornos económicos. Finalmente, examinamos el impacto de la técnica de finalización que prioriza los estados ganadores resueltos y evita los estados perdedores resueltos. Esta técnica también mejora el rendimiento. En general, nuestros hallazgos resaltan cómo las modificaciones dirigidas pueden mejorar la eficiencia de Minimax no redondeado.
Publicado Originalme en rss.arxiv.org El 7 de mayo de 2025.
Ver Fuente Original
