Documenti full-text disponibili:
|
Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (700kB)
|
Abstract
MINMAX è un algoritmo impiegato in diverse discipline, tra cui: teoria dei giochi, teoria delle decisioni e IA. Viene usato per la ricerca delle azioni migliori assumendo scelte ottimali da parte degli agenti coinvolti e sfrutta una struttura ad albero ed una funzione euristica per cercare una soluzione in un contesto di conflitto tra più parti. Costruisce l'albero fino a una profondità prefissata, identificata dal numero di azioni alternate che si sceglie come limite di ricerca e usa la funzione euristica per valutare gli stati all'ultimo stadio della ricerca, valori che propaga poi fino allo stato iniziale, confrontandoli con quelli degli altri stati, finché non ha valutato tutti gli stati adeguati disponibili, trovando cosi il percorso migliore. Il potenziamento principale a questo algoritmo è realizzato tramite la potatura Alfa-Beta che sfrutta due variabili chiamate appunto Alfa e Beta, che creano un finestra di valori minimi e massimi ammissibili oltre i quali le posizioni non vengono considerate, riducendo la dimensione dell'albero e permettendo così una ricerca più profonda.
Abstract
MINMAX è un algoritmo impiegato in diverse discipline, tra cui: teoria dei giochi, teoria delle decisioni e IA. Viene usato per la ricerca delle azioni migliori assumendo scelte ottimali da parte degli agenti coinvolti e sfrutta una struttura ad albero ed una funzione euristica per cercare una soluzione in un contesto di conflitto tra più parti. Costruisce l'albero fino a una profondità prefissata, identificata dal numero di azioni alternate che si sceglie come limite di ricerca e usa la funzione euristica per valutare gli stati all'ultimo stadio della ricerca, valori che propaga poi fino allo stato iniziale, confrontandoli con quelli degli altri stati, finché non ha valutato tutti gli stati adeguati disponibili, trovando cosi il percorso migliore. Il potenziamento principale a questo algoritmo è realizzato tramite la potatura Alfa-Beta che sfrutta due variabili chiamate appunto Alfa e Beta, che creano un finestra di valori minimi e massimi ammissibili oltre i quali le posizioni non vengono considerate, riducendo la dimensione dell'albero e permettendo così una ricerca più profonda.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Vladi, Andri
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
minmax,funzione euristica,albero di ricerca,ordinamento mosse,approfondimento iterativo,expectiminmax,mcts,algoritmi,intelligenza artificiale,alfa-beta,giochi,quiescenza,effetto orizzonte
Data di discussione della Tesi
13 Marzo 2019
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Vladi, Andri
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
minmax,funzione euristica,albero di ricerca,ordinamento mosse,approfondimento iterativo,expectiminmax,mcts,algoritmi,intelligenza artificiale,alfa-beta,giochi,quiescenza,effetto orizzonte
Data di discussione della Tesi
13 Marzo 2019
URI
Statistica sui download
Gestione del documento: