欢迎来到第 3 课，本课属于 人工智能概念（PolyU COMP5511）。在本节课中，我们将从单智能体寻路过渡到 对抗搜索，智能体在其中处于竞争性的多智能体环境。我们还将介绍 约束满足问题（CSP），这一范式的目标是找到一个满足特定约束集合的状态，而非一条路径。
核心概念
- 对抗搜索： 侧重于以下算法： 极小化极大 和 Alpha-Beta 剪枝 以在面对智能对手时做出理性决策。
- 蒙特卡洛树搜索（MCTS）： 探索基于概率的决策方式，是现代博弈 AI（如 AlphaGo）的核心技术。
- 约束满足： 使用变量、值域和约束对问题建模，并通过 回溯法 和 局部搜索）的核心技术。
复杂度分析
在对抗场景中，搜索空间复杂度通常由博弈的分支因子
范式转换警示
与标准搜索（如 A* 或 BFS）中环境是静态的不同， 对抗搜索 假设环境（即对手）会主动降低你的收益。在 CSP中，动作的顺序远不如最终分配的合法性重要。
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).