Mon expérience, basée sur la réalisation d'un jeu d'échecs (http://gaiachess.free.fr)(...)
Un programme de ce type est composé de 3 parties :
- Un partie 'structure' : representation d'une position, génération des mouvements autorisés : pas d'algorithme secret
-Une partie 'évalutation d'une position' : c'est un fonction empirique qui donne une note a une position donnée, favorable si l'ordinateur gagne, défavorable s'il pert. Ici les algorithmes génétiques peuvent avoir leur place, mais il ne faut pas commencer pas la : une fonction statique très simple fait amplement l'affaire au début.
-Une partie 'arbre de recherche' : c'est une fonction, souvent dérivée de l'agorithme minimax (alpha-beta, principal variation search, negascout, mdtf,...) qui effectue une recherche du meilleur coup dans une arbre de positions jouables : cette fonction utilise les fonction de génération de mouvement pour parcourir l'arbre et la fonction d'évaluation pour evaluer les feuilles de l'arbre.
Quelques recherches sur 'minimax' et 'alpha beta' devraient t'éclairer...ils faut oublier les algorithmes génétiques dans un premier temps !
# Pas de génétique...
Posté par Jean-Francois ROMANG . En réponse au message IA : réalisation d'un jeu de dames chinoises.. Évalué à 4.
Un programme de ce type est composé de 3 parties :
- Un partie 'structure' : representation d'une position, génération des mouvements autorisés : pas d'algorithme secret
-Une partie 'évalutation d'une position' : c'est un fonction empirique qui donne une note a une position donnée, favorable si l'ordinateur gagne, défavorable s'il pert. Ici les algorithmes génétiques peuvent avoir leur place, mais il ne faut pas commencer pas la : une fonction statique très simple fait amplement l'affaire au début.
-Une partie 'arbre de recherche' : c'est une fonction, souvent dérivée de l'agorithme minimax (alpha-beta, principal variation search, negascout, mdtf,...) qui effectue une recherche du meilleur coup dans une arbre de positions jouables : cette fonction utilise les fonction de génération de mouvement pour parcourir l'arbre et la fonction d'évaluation pour evaluer les feuilles de l'arbre.
Quelques recherches sur 'minimax' et 'alpha beta' devraient t'éclairer...ils faut oublier les algorithmes génétiques dans un premier temps !