歡迎來到第 3 課： 人工智慧概論（PolyU COMP5511）。在本課程中，我們將從單一智能體的尋路問題，轉向 對抗式搜尋，探討智能體在競爭性多智能體環境中的運作。我們也將介紹 約束滿足問題（CSPs），這是一種以找到滿足特定限制條件的狀態為目標的典範，而非尋找路徑。
核心概念
- 對抗式搜尋： 專注於如 Minimax 和 Alpha-Beta 剪枝 等演算法，以在面對聰明對手時做出理性決策。
- 蒙地卡羅樹搜尋（MCTS）： 探索機率性決策，是現代遊戲 AI（如 AlphaGo）的核心基礎。
- 約束滿足： 使用變數、定義域與約束來建模問題，並透過 回溯法 和 區域搜尋）的核心基礎。
複雜度分析
在對抗式情境中，搜尋空間的複雜度通常由遊戲的分支因子
範式轉移提醒
與環境靜態的標準搜尋（例如 A* 或 BFS）不同， 對抗式搜尋 假設環境（對手）會積極地設法降低你的成功率。在 CSPs中，行動的順序遠不如最終賦值的正確性來得重要。
概念性虛擬碼：智能體類型
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).