ConnectFourMCTS:使用蒙特卡洛树搜索算法为回合制游戏编程自适应人工智能

使用蒙特卡洛树搜索算法为回合制游戏编程自适应人工智能 在program_files中编译并运行GameBoard.java。 棋盘游戏最直观，最详尽，最传统的人工智能（AI）形式是minimax。 Minimax涉及从游戏的当前状态构造可能的动作的完整游戏树，并选择导致最终收益最大的分支。 尽管这可能是一种非常彻底的AI形式，但即使是中等复杂的游戏，游戏树也是如此巨大，以至于无法有效地遍历整个游戏树。 因此，解决方案是启发式算法的蒙特卡洛树搜索算法（MCTS），该算法仅使用可能的动作知识和蒙特卡洛方法来选择性采样具有许多播出并基于结论的完整游戏树的分支在这些样品上。 MCTS应用于该项目的游戏是Connect Four，因为它的完整游戏树对于minimax来说太大了，无法成为可行的选择。 该项目的目标是对高效的人工智能进行编程，实现蒙特卡洛树搜索算法，以逐个决策的方式制定游戏“连接四人”