欢迎来到第 3 讲 人工智能概念（PolyU COMP5511）。在本讲中，我们将从单智能体寻路过渡到 对抗性搜索，智能体在竞争性多智能体环境中运行。我们还将介绍 约束满足问题 (CSPs)，这是一种范式，目标是找到一个满足特定限制条件的状态，而不是一条路径。
核心概念
- 对抗性搜索： 专注于像 Minimax 和 Alpha-Beta 剪枝 这样的算法，以对抗智能对手并做出理性决策。
- 蒙特卡洛树搜索 (MCTS)： 探索概率性决策，是现代游戏 AI（如 AlphaGo）的支柱。
- 约束满足： 使用变量、域和约束来建模问题，通过 回溯法 和 局部搜索）的支柱。
复杂度分析
在对抗性环境中，搜索空间复杂度通常由游戏的分支因子
范式转变警告
与标准搜索（例如 A* 或 BFS）中环境是静态的 对抗性搜索 不同，我们假设环境（对手）会积极地试图最小化你的成功。在 CSPs中，操作的顺序不如最终赋值的有效性重要。
概念伪代码：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).