Список подходов, которые у вас есть, является разумным началом - особенно для игр с идеальной информацией для двух игроков. Если вы разрешите более широкий спектр игр, вы получите более широкий набор алгоритмов:
- Алгоритм обучения (либо обучение с подкреплением, либо обучение с учителем) можно использовать для игры самостоятельно, хотя они часто сочетаются с какой-то тип поиска для еще более сильной игры.
- Expectiminimax используется в играх с элементами случайности, но без скрытой информации.
- Counter-factual Regret (CFR) используется для вычисления Na sh равновесие в таких играх, как покер со скрытой информацией. (Фиктивная игра - аналогичная альтернатива.)
- Монте-Карло с идеальной информацией (PIM C) - это приближенный алгоритм для игр с несовершенной информацией, который можно использовать поверх других алгоритмов поиска. Обычно это используется для карточных игр с трюками.
- Многопользовательские игры обычно основаны на алгоритме max ^ n, а не на минимаксе. (Есть аналогичный вариант MCTS.)
Когда вы переходите к более сложным играм, есть более широкий спектр доступных алгоритмов, поскольку они должны иметь дело со сложностями конкретной c игры. разными способами.