Введение
Правило принятия решений, используемое для минимизации возможных потерь в наихудшем сценарии – концепция теории принятия решений. Минимакс (иногда Минимакс, ММ или седловая точка) – это правило принятия решений, применяемое в искусственном интеллекте, теории принятия решений, теории игр, статистике и философии для минимизации возможных потерь в наихудшем (максимальном) сценарии. При работе с выигрышами используется термин "максимин" – для максимизации минимального выигрыша. Изначально сформулированный для многопользовательских игр с нулевой суммой, охватывающий как случаи поочередных ходов, так и одновременных ходов игроков, он также был расширен на более сложные игры и на общее принятие решений в условиях неопределенности.
the decision theory concept
Minmax (sometimes Minimax, MM or saddle point) is a decision rule used in artificial intelligence, decision theory, game theory, statistics, and philosophy for minimizing the possible loss for a worst case (maximum loss) scenario. When dealing with gains, it is referred to as "maximin" – to maximize the minimum gain. Originally formulated for several player zero sum game theory, covering both the cases where players take alternate moves and those where they make simultaneous moves, it has also been extended to more complex games and to general decision making in the presence of uncertainty.
Максимин
Часто в теории игр максимин отличается от минимакса. Минимакс используется в играх с нулевой суммой для обозначения минимизации максимального выигрыша противника. В игре с нулевой суммой это идентично минимизации собственных максимальных потерь и максимизации собственных минимальных выигрышей. "Максимин" – термин, обычно используемый для игр с ненулевой суммой, чтобы описать стратегию, которая максимизирует собственный минимальный выигрыш. В играх с ненулевой суммой это, как правило, не то же самое, что минимизация максимального выигрыша противника, и не совпадает со стратегией равновесия Нэша.
В повторяющихся играх
Значения минимакса очень важны в теории повторяющихся игр. Одна из центральных теорем в этой теории, народная теорема, основывается на значениях минимакса.
Комбинаторная теория игр
В комбинаторной теории игр существует алгоритм мини-макса для решения игр. Простая версия алгоритма мини-макса, описанная ниже, применяется к играм, таким как крестики-нолики, где каждый игрок может выиграть, проиграть или сыграть вничью. Если игрок А может выиграть одним ходом, его лучший ход – это выигрышный ход. Если игрок B знает, что один ход приведет к ситуации, в которой игрок А может выиграть следующим ходом, а другой ход приведет к ситуации, в которой игрок А сможет, в лучшем случае, сыграть вничью, то лучший ход игрока B – это ход, ведущий к ничьей. Ближе к концу игры легко определить, какой ход является "лучшим". Алгоритм мини-макса помогает найти лучший ход, работая в обратном порядке от конца игры. На каждом шаге предполагается, что игрок А пытается максимизировать свои шансы на победу, а на следующем ходу игрок B пытается минимизировать шансы игрока А на победу (то есть максимизировать свои собственные шансы на победу).
Алгоритм минимакса с чередующимися ходами
Минимакс-алгоритм — это рекурсивный алгоритм для выбора следующего хода в игре с n игроками, обычно в игре с двумя игроками. Каждая позиция или состояние игры имеет определенное значение. Это значение вычисляется с помощью функции оценки позиции и указывает, насколько выгодно игроку достичь этой позиции. Затем игрок делает ход, который максимизирует минимальное значение позиции, возникающей в результате возможных последующих ходов противника. Если ход делает игрок A, он присваивает значение каждому из своих допустимых ходов. Один из возможных методов назначения значений состоит в том, чтобы считать гарантированную победу для A равной +1, а для B — −1. Это приводит к комбинаторной теории игр, разработанной Джоном Х. Конвеем. Альтернативный подход — использовать правило, согласно которому, если ход приводит к немедленной победе для A, ему присваивается положительная бесконечность, а если к немедленной победе для B — отрицательная бесконечность. Значение для A любого другого хода равно максимуму значений, полученных из каждого из возможных ответов B. По этой причине A называют максимизирующим игроком, а B — минимизирующим игроком, отсюда и название алгоритма минимакс. Вышеописанный алгоритм присвоит значение положительной или отрицательной бесконечности любой позиции, поскольку значение каждой позиции будет равно значению некоторой конечной выигрышной или проигрышной позиции. Однако это часто возможно только в самом конце сложных игр, таких как шахматы или го, поскольку вычислительно нецелесообразно просчитывать ходы до конца игры, за исключением финальной стадии, и вместо этого позициям присваиваются конечные значения как оценка вероятности того, что они приведут к победе одного из игроков. Это можно расширить, если мы можем предоставить эвристическую функцию оценки, которая присваивает значения нефинальным состояниям игры, не рассматривая все возможные последующие полные последовательности ходов. Мы можем ограничить алгоритм минимакс рассмотрением только определенного количества ходов вперед. Это число называется «горизонтом поиска» и измеряется в «полуходах». Например, шахматный компьютер Deep Blue (первый, победивший действующего чемпиона мира Гарри Каспарова) просчитывал ходы как минимум на 12 полуходов, а затем применял эвристическую функцию оценки. Алгоритм можно представить как исследование узлов игрового дерева. Эффективный фактор ветвления дерева — это среднее количество дочерних узлов каждого узла (то есть среднее количество допустимых ходов в позиции). Количество узлов, которые необходимо исследовать, обычно экспоненциально возрастает с увеличением горизонта поиска (рост менее экспоненциальный, если оцениваются вынужденные ходы или повторяющиеся позиции). Таким образом, количество узлов, подлежащих исследованию для анализа игры, приблизительно равно фактору ветвления, возведенному в степень горизонта поиска. Поэтому полный анализ таких игр, как шахматы, с помощью алгоритма минимакс непрактичен. Производительность наивного алгоритма минимакс можно значительно повысить, не изменяя результат, с помощью альфа-бета отсечения. Можно использовать и другие эвристические методы отсечения, но не все из них гарантированно дают тот же результат, что и поиск без отсечения. Наивный алгоритм минимакс может быть тривиально модифицирован для дополнительного возврата основной вариации вместе с минимакс-оценкой.
Пример
Предположим, что в игре, в которую играют, у каждого игрока не более двух возможных ходов за ход. Алгоритм генерирует дерево, изображенное справа, где круги обозначают ходы игрока, запускающего алгоритм (максимизирующего игрока), а квадраты – ходы его противника (минимизирующего игрока). Из-за ограниченности вычислительных ресурсов, как описано выше, глубина дерева ограничена четырьмя ходами. Алгоритм оценивает каждый конечный узел с помощью эвристической оценочной функции, получая указанные значения. Ходы, приводящие к победе максимизирующего игрока, получают значение положительной бесконечности, а ходы, приводящие к победе минимизирующего игрока – отрицательной бесконечности. На уровне 3 алгоритм для каждого узла выбирает наименьшее из значений дочерних узлов и присваивает его этому узлу (например, узел слева выберет минимум между "10" и "+∞", и присвоит себе значение "10"). Следующий шаг, на уровне 2, заключается в выборе для каждого узла наибольшего из значений дочерних узлов. Значения снова присваиваются каждому родительскому узлу. Алгоритм продолжает попеременно оценивать максимальные и минимальные значения дочерних узлов, пока не достигнет корневого узла, где выбирает ход с наибольшим значением (обозначен на рисунке синей стрелкой). Это ход, который игрок должен сделать, чтобы минимизировать максимально возможные потери.
Минимальный уровень в условиях неопределенности
Теория минимакса была расширена на решения, в которых нет другого игрока, но последствия решений зависят от неизвестных обстоятельств. Например, решение о разведке полезных ископаемых связано с затратами, которые будут потеряны, если ископаемые отсутствуют, но принесут значительную выгоду в случае их обнаружения. Один из подходов заключается в рассмотрении этого как игры с природой (см. ход природы), и, опираясь на схожие принципы, как в законе Мерфи или резистенциализме, использовать стратегию, минимизирующую максимальный ожидаемый убыток, применяя те же методы, что и в двухперсональных играх с нулевой суммой. Кроме того, были разработаны деревья expectiminimax для двухперсональных игр, в которых присутствует фактор случайности (например, броски кубиков).
Невероятностная теория решений
Ключевой особенностью принятия решений по методу минимакса является его не-вероятностный характер: в отличие от решений, основанных на ожидаемой стоимости или ожидаемой полезности, он не делает никаких предположений о вероятностях различных исходов, а лишь проводит анализ сценариев возможных результатов. Таким образом, он устойчив к изменениям в исходных данных, в отличие от других методов принятия решений. Существуют различные расширения этого не-вероятностного подхода, в частности, минимакс сожаления и теория принятия решений на основе информационного разрыва. Более того, минимакс требует лишь порядковой шкалы измерений (когда исходы сравниваются и ранжируются), а не интервальной (когда исходы включают оценку "насколько лучше или хуже"), и возвращает порядковые данные, опираясь исключительно на смоделированные исходы: заключение анализа минимакса формулируется так: "Эта стратегия является минимаксной, поскольку наихудший сценарий – это (исход), который менее неблагоприятен, чем при использовании любой другой стратегии". В отличие от анализа ожидаемой стоимости, заключение которого имеет вид: "Эта стратегия обеспечивает…". Таким образом, минимакс может применяться к порядковым данным и может быть более прозрачным.
Минимакс в политике
Концепция голосования за "меньшее зло" (LEV) может рассматриваться как форма стратегии минимакса, при которой избиратели, сталкиваясь с двумя или более кандидатами, выбирают того, кого они считают наименее опасным или "меньшим злом". Для этого "голосование не следует рассматривать как форму личного самовыражения или моральной оценки, направленной в качестве ответа на кандидатов от крупных партий, не отражающих наши ценности, или коррумпированной системы, ограничивающей выбор теми, кто приемлем для корпоративной элиты", а скорее как возможность снизить ущерб или потери.
Максимин в философии
В философии термин "максимин" часто используется в контексте работы Джона Роулза "Теория справедливости", где он упоминает его в связи с "Принципом различия". Ролз определил этот принцип как правило, согласно которому социальные и экономические неравенства должны быть устроены так, чтобы "они приносили максимальную выгоду наименее удачливым членам общества".