minimaks

• birden çok oyunculu akıllı sistemlerde (bkz: yapay zeka), rakibiniz olası hamleler içinden kendisi için en iyisini yaptıktan sonra sizin kendinize en iyi hamlenizi seçmenize dayanan algoritma. çok oyuncunun takım halinde oynadıkları oyunlara da uygulanabilir.
  
  basitçe şöyle özetlenebilir: hamle sırası size geldiğinde o anki olası hamlelerinizi belirlersiniz. o an bulunduğunuz seviye sizin için max (yani sizin için olası en iyi hamle) seviyesidir. sonra her hamlenize denk gelen bütün rakip oyuncu hamlelerini belirlersiniz. bu seviye sizin için min (yani rakibinizin yapacağı hamleler içinde sizin için en kötüsü) seviyesidir. daha sonra sıra tekrar sizin hamlelerinize gelir. bu şekilde inmek istediğiniz derinlik seviyesine kadar inen bir ağaç yapısı oluşturursunuz. ne kadar derine inerseniz yapacağınız hamle o kadar daha iyi bir hamle olacaktır fakat hamle sayıları, her hamle sırasındaki ortalama hamle sayısının üstel fonksiyonu olarak arttığı için, makul bir sürede sonuçlanan bir derinlik seçmek akıllıca olacaktır. daha sonra en alttan başlayarak oluşturduğumuz ağacın her dalı kendisinden türeyen dallardan, max ise en iyisini, min ise en kötüsünü seçer. ve en tepeye çıktığımızda seçilen hamleyi yapar.
  
  burada sıkıntı şudur. belirlediğimiz ileri bakılacak hamle sayısı bize olası bir oyun sonu hamlesi göstermeye yetmeyebilir. bu yüzden bir değerlendirme fonksiyonu belirleyip, oyundaki herhangi bir durumu değerlendirebiliyor olmamız gerekir. aslında bir hamlenin bizim için ya da rakibimiz için ne kadar iyi olduğuna karar veren bu fonksiyondur. yani yapay zekanın zeki kısmı bu fonksiyondur. eğer bu fonksiyon bize oyunun o anki gidişatıyla ilgili saçma sonuçlar veriyorsa, programımızın da yanlış hamleleri seçmesi normaldir. bu fonksiyon ne kadar gerçekçi sonuçlar veriyorsa yapay zekamız o kadar iyi demektir.
  
  algoritma zaman olarak b^d karmaşıklıktadır (b: her sıra geldiğinde yapılabilecek ortalama olası hamle sayısı, d: ağaçta ineceğimiz derinlik). bu yüzden algoritmayı hızlandırmak için çeşitli yöntemler geliştirilebilir (bkz: alpha beta pruning).
• yapay zekaya sahip makinenin kendisi bir hamle yaptiktan sonra karsi tarafin en iyi hamle yapacagini varsaymasi. tabii, karsi tarafin en iyi hamle oldugunu kestirebilmek icin cok daha ilerideki hamleleri gormesi gerekir.
  
  maksimum zarar senaryosunu uygulayarak minimum olasi zarar gormek icin kullanilan karar stratejisi. bu strateji karar ağacı, oyun teorisi , istatistik ve felsefe yakindan ilgilidir.
  (bkz: minimax)
  (bkz: minimax teoremi)
  
  ayrica
  (bkz: düşünce deneyi/#92649934)
• alpha-beta budaması^* minimax algoritmasının optimizasyonunu arttırır. hesaplama süresini büyük ölçüde azaltır. bu durum, oyun ağacında daha hızlı arama yapmamıza ve hatta daha derin seviyelere gitmemize olanak tanır.
  
  daha iyi bir hamle mevcut olduğunda, oyun ağacında arama yapılmaması gereken dalları keser.
  
  edit : imla