我知道如何使用像minimax这样的算法来玩完美的游戏（在这种情况下，我正在寻找一个类似于抖音的游戏）
然而，我想知道如何创建一个不完美的算法，或者一个不同“技能水平”（简单、中等、困难等）的人工智能，让人类玩家有机会击败它。
切断不同深度的搜索以限制计算机的技能。改变评估功能，使计算机偏爱不同的策略。
非专业人类玩家使用次优策略和有限战术。这些大致对应于对游戏状态的不良评估和提前思考的能力有限。
关于随机性，有一点是需要的，这样计算机就不会总是犯同样的错误，有时会幸运地比平时做得更好或更差。对于这一点，只是不要总是选择最佳路径，而是选择其中按得分加权的路径。你可以让人工智能变得更有趣，让它根据游戏的结果改进它的评估函数，也就是说，更新它的权重。这样它就可以像人类一样，通过玩耍在有限的搜索深度学习更好的评价函数。
我在游戏中使用的一种方法是利用随机值。为了简单的游戏关卡，我让选择随机数的几率对人类玩家有利。例子：
Easy level: only beat the human if you can randomly select a value less than 10 from the range of 1 to 100
Medium level: beat the human if you can select a random value which is less than 50 from a range of 1 to 100
Hard level: beat the human if you can randomly select a value less than 90 from a range of 1 to 100
我相信有更好的方法，但这可能会给你一个主意
“最简单”的方法是在minmax结果的同时使用一个阈值，从超过阈值的结果中创建一个集合，然后随机选择程序要采用的选项/路径。阈值越低，对手可能越容易。
我说可能是因为即使是纯粹的运气，也可以选择最好的举动，因此“初学者的运气”。
本质上，你是在寻求增加可能结果的熵(随机性)。如果你想让电脑对手变笨，你可以限制你的最小最大算法遍历的等级，或者降低算法某部分的分数。
