地平线效应

地平线效应，也被称为地平线问题，是人工智能中的一个问题，在许多游戏中，可能的状态或位置的数量是巨大的，而计算机只能可行地搜索其中的一小部分，通常是在游戏树的几层。因此，对于一个只搜索了五层的计算机来说，它有可能会做出不利的举动，但这种影响是不明显的，因为计算机没有搜索到错误的深度（即超出其视野）。当使用α-β修剪的minimax等技术评估一棵大型博弈树时，由于可行性的原因，搜索深度是有限的。然而，评估一棵部分树可能会给出一个误导性的结果。当一个重要的变化存在于搜索深度的地平线之上时，计算设备就会成为地平线效应的受害者。1973年，HansBerliner将他和其他研究人员观察到的这种现象命名为地平线效应。

他把这种效应分成了两种：消极地平线效应的结果是创造了一些转移，这些转移无效地延迟了一个不可避免的后果，或者使一个不可实现的后果看起来可以实现。对于基本上被忽视的"正地平线效应"，程序过早地抓住了一个可以在闲暇时强加给对手的后果，而且经常是以一种更有效的形式。贪婪的算法往往会受到地平线效应的影响。地平线效应可以通过扩展搜索算法的静止搜索来缓解。这使搜索算法有能力超越其地平线来寻找对游戏状态具有重要意义的某类棋步，例如国际象棋中的捕获。重写叶子节点的评价函数和/或分析更多的节点将解决许多地平线效应问题。