歡迎來到第 3 課： 人工智慧概念（PolyU COMP5511）。在本節課中，我們將從單一代理路徑搜尋轉向 對抗式搜尋，其中代理在競爭性的多代理環境中運作。我們還會介紹 約束滿足問題（CSP），這是一種以尋找滿足特定限制條件的狀態（而非路徑）為目標的範式。
核心概念
- 對抗式搜尋： 專注於 Minimax 與 Alpha-Beta 剪枝 等演算法，以對抗智慧型對手並做出理性決策。
- 蒙地卡羅樹搜尋（MCTS）： 探索機率式決策制定，是現代遊戲 AI 的核心技術，例如 AlphaGo。
- 約束滿足： 以變數、定義域與約束來建模問題，並透過 回溯法 與 區域搜尋。
複雜度分析
在對抗式情境中，搜尋空間的複雜度通常由賽局分支因子
範式轉移警示
標準搜尋（如 A* 或 BFS）的環境是靜態的，而 對抗式搜尋 則假設環境（對手）會主動試圖降低你的成功率。在 CSP中，動作的順序不如最終指派的有效性來得重要。
概念性虛擬碼：代理類型
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).