Sto cercando di sviluppare un'intelligenza artificiale per un gioco di carte e sono un po 'bloccato sulla tecnica / algoritmo che dovrei usare. Ecco alcune ipotesi sul gioco:
- Dopo che le carte sono state distribuite ai giocatori, non c'è casualità. Voglio dire qui che ogni giocatore può scegliere quali carte giocare, ma non si verifica alcun processo casuale come quando si distribuiscono le carte all'inizio del gioco.
- Vi sono restrizioni sulle carte che possono essere giocate quando una carta era già stata giocata.
- Il giocatore che vince la presa, gioca per primo. Ad esempio, il giocatore 1 gioca una carta, il giocatore 2 gioca una carta e vince. Quindi il giocatore 2 gioca una carta e quindi il giocatore 1 gioca.
Conosco molti suggerimenti / regole (ad esempio se so che il giocatore ha le carte A, B, C, allora dovrei giocare a D) che mi aiuta a vincere al gioco. Quindi, per prima cosa volevo usare una rete bayesiana per descrivere quelle regole. Il problema è che non conosco alcuna probabilità da assegnare, ma potrei calcolare un'euristica usando la storia dei giochi giocati (contro un essere umano). Secondo problema, è molto probabile che io non conosca tutte le regole e che ci siano alcune regole implicite necessarie all'intelligenza artificiale per trovare il gioco ottimale.
Non sono sicuro se questo sarebbe un buon modo per sviluppare un'intelligenza artificiale per un tale gioco di carte?
Mi chiedo anche se ci sono altre tecniche che meglio si adattano al problema. Ad esempio, ho dato un'occhiata a minimax (forse con un algoritmo di potatura), ma sarebbe una buona opzione per questo problema? Non sono abbastanza sicuro poiché le giocate più importanti sono all'inizio del gioco quando ci sono i parametri sconosciuti più alti (la maggior parte delle carte non è ancora giocata).