In the context of an introductory A

In the context of an introductory AI course, we would naturally show students that
the structure of the game tree consists of choice nodes that one maximizes alternating
with chance nodes that one averages. The basic relevant algorithm would be (depth-limited) expectimax. Given the branching factor of the problem, a depth-limited
expectimax without optimizations in modeling (e.g. fast bit representation and operations)
and search (e.g. caching), one would need to terminate at a shallow depth-limit in order
to achieve rapid play.

ผลลัพธ์ (ไทย) 1:

ในบริบทของหลักสูตร AI การเกริ่นนำ เราจะธรรมชาติแสดงนักเรียนที่โครงสร้างของต้นเกมประกอบด้วยตัวเลือกโหนที่หนึ่งวางสลับกันมีโอกาสโหน นั้นหาค่าเฉลี่ย อัลกอริทึมพื้นฐานที่เกี่ยวข้องจะเป็น expectimax (ความลึกแบบจำกัด) กำหนดปัจจัยโยงหัวข้อของปัญหา ความลึกจำกัดexpectimax โดยเพิ่มประสิทธิภาพในการสร้างโมเดล (เช่นแสดงบิตได้อย่างรวดเร็วและการดำเนินงาน)และค้นหา (เช่นแคช), หนึ่งต้องสิ้นสุดที่ความลึกตื้นวงเงินในใบสั่งเพื่อให้เล่นอย่างรวดเร็ว

ผลลัพธ์ (ไทย) 2:

ในบริบทของการแนะนำหลักสูตร AI เราธรรมชาติจะแสดงให้นักเรียนที่
โครงสร้างของต้นไม้เกมประกอบด้วยโหนดทางเลือกที่หนึ่ง maximizes สลับ
กับโหนดโอกาสที่หนึ่งค่าเฉลี่ย อัลกอริทึมที่เกี่ยวข้องจะเป็นพื้นฐาน (ลึก จำกัด ) expectimax ที่ได้รับปัจจัยที่แตกแขนงของปัญหาความลึก จำกัด
expectimax โดยไม่ต้องเพิ่มประสิทธิภาพในการสร้างแบบจำลอง (เช่นการเป็นตัวแทนบิตอย่างรวดเร็วและการดำเนินงาน)
และการค้นหา (เช่นแคช), หนึ่งจะต้องยุติที่ตื้นลึกขีด จำกัด ในการสั่งซื้อ
เพื่อให้บรรลุการเล่นอย่างรวดเร็ว

ผลลัพธ์ (ไทย) 3:

ในบริบทของการเบื้องต้น ไอ แน่นอนเราย่อมแสดงให้นักศึกษา
โครงสร้างของต้นไม้ ทางเลือกหนึ่งที่ประกอบด้วยโหนดเพิ่มสลับ
ที่มีโอกาสจุดที่หนึ่งค่าเฉลี่ย ขั้นตอนวิธีที่เกี่ยวข้องเบื้องต้นจะ ( ความลึกจำกัด ) expectimax . ให้แยกปัจจัยของปัญหา ความลึก จำกัด
expectimax โดยไม่เพิ่มประสิทธิภาพในแบบ ( เช่นแทนบิตอย่างรวดเร็วและการดำเนินการ
และค้นหา ( เช่นแคช ) , หนึ่งจะต้องยุติลงในความลึกตื้นวงเงินเพื่อ
เพื่อให้บรรลุการเล่นที่รวดเร็ว