欢迎来到第3课 人工智能概念（PolyU COMP5511）。在本课中，我们将从单智能体路径规划过渡到 对抗性搜索，其中智能体在竞争性的多智能体环境中运行。我们还将介绍 约束满足问题（CSP），这是一种以找到满足一组特定限制的状态为目标、而非寻找路径的范式。
核心概念
- 对抗性搜索： 侧重于诸如 Minimax 和 Alpha-Beta剪枝 等算法，以针对智能对手做出理性决策。
- 蒙特卡洛树搜索（MCTS）： 探索概率决策，是现代游戏AI（如 AlphaGo）的核心支撑。
- 约束满足： 使用变量、定义域和约束对问题进行建模，并通过 回溯法 和 局部搜索）的核心支撑。
复杂度分析
在对抗性环境中，搜索空间的复杂度通常由游戏的分支因子
范式转变提示
与标准搜索（如A*或BFS）中环境保持静态不同， 对抗性搜索 假定环境（对手）会主动设法降低你的成功率。在 CSP中动作的执行顺序不如最终赋值的有效性重要。
概念性伪代码：智能体类型
1
# Adversarial Agent (Game Theory)
2
functionDecide_Move(state):
3
returnMaximize_Utility(Predict_Opponent_Minimization(state))
4
5
# CSP Solver (Constraint Logic)
6
functionSolve_CSP(variables, constraints):
7
ifAll_Constraints_Satisfied(assignment):
8
returnassignment
9
else:
10
returnBacktrack_Search(variables)
Course Roadmap
Transitioning from Search (Lesson 2) to Strategic Decision Making (Lesson 3).