Minimax

En teoría de juegos, 'minimax' es un método de decisión para minimizar la pérdida máxima esperada en
juegos con adversario y con información perfecta. Minimax es un algoritmo recursivo.

El funcionamiento de minimax puede resumirse en cómo elegir el mejor movimiento para ti mismo
suponiendo que tu contrincante escogerá el peor para ti.

Índice
Historia
Teorema minimax
Algoritmo minimax con movimientos alternativos
Ejemplo
Optimización
Minimax en la ficción
Véase también
Referencias
Bibliografía
Enlaces externos

Historia
Aunque existen evidencias de que Charles Babbage ya había trabajado antes sobre una idea similar,1 ​fue el
matemático francés Émile Borel el primero en ofrecer en 1921 un tratamiento riguroso a los juegos
competitivos y en estudiar las estrategias aplicables a los juegos de suma cero.2 3​ ​ Sin embargo suele
atribuirse a John von Neumann el principal mérito de la concepción del principio minimax, ya que fue él
quien, en su artículo de 1928 «Zur Theorie der Gesellschaftsspiele» («Sobre la teoría de los juegos de
sociedad») publicado en la revista Mathematische Annalen,4 ​puso las bases de la moderna teoría de juegos
y probó el teorema fundamental del minimax, por el que se demuestra que para juegos de suma cero con
información perfecta entre dos competidores existe una única solución óptima.5 ​

Teorema minimax
John von Neumann es el creador del teorema minimax, quien dio la siguiente noción de lo que era un
juego:

Un juego es una situación conflictiva en la que uno debe tomar una decisión sabiendo

que los demás también toman decisiones, y que el resultado del conflicto se
determina, de
 algún modo, a partir de todas las decisiones realizadas.

También afirmó que:

Siempre existe una forma racional de actuar en juegos de dos participantes, si los intereses que
los gobiernan son completamente opuestos.

La demostración a esa afirmación se llama teoría minimax y surge en 1928.

Este teorema establece que en los juegos bipersonales de suma cero, donde cada jugador conoce de
antemano la estrategia de su oponente y sus consecuencias, existe una estrategia que permite a ambos
jugadores minimizar la pérdida máxima esperada. En particular, cuando se examina cada posible estrategia,
un jugador debe considerar todas las respuestas posibles del jugador adversario y la pérdida máxima que
puede acarrear. El jugador juega, entonces, con la estrategia que resulta en la minimización de su máxima
pérdida. Tal estrategia es llamada óptima para ambos jugadores sólo en caso de que sus minimaxes sean
iguales (en valor absoluto) y contrarios (en signo). Si el valor común es cero el juego se convierte en un
sinsentido.

En los juegos de suma no nula, existe tanto la estrategia minimax como la maximin. La primera intenta
minimizar la ganancia del rival, es decir, busca que el rival tenga el peor resultado. La segunda intenta
maximizar la ganancia propia, o sea busca que el jugador obtenga el mejor resultado.

Algoritmo minimax con movimientos alternativos

Pasos del algoritmo minimax:

1. Generación del árbol de juego. Se generarán

todos los nodos hasta llegar a un estado
terminal.
2. Cálculo de los valores de la función de utilidad
para cada nodo terminal.
3. Calcular el valor de los nodos superiores a partir del valor de los inferiores. Según nivel si
es MAX o MIN se elegirán los valores mínimos y máximos representando los movimientos
del jugador y del oponente, de ahí el nombre de minimax.
4. Elegir la jugada valorando los valores que han llegado al nivel superior.

El algoritmo explorará los nodos del árbol asignándoles un valor numérico mediante una función de
evaluación, empezando por los nodos terminales y subiendo hacia la raíz. La función de utilidad definirá lo
buena que es la posición para un jugador cuando la alcanza. En el caso del ajedrez los posibles valores son
(+1,0,-1) que se corresponden con ganar, empatar y perder respectivamente. En el caso del backgammon
los posibles valores tendrán un rango de [+192,-192], correspondiéndose con el valor de las fichas. Para
cada juego pueden ser diferentes.

Si minimax se enfrenta con el dilema del prisionero escogerá siempre la opción con la cual maximiza su
resultado suponiendo que el contrincante intenta minimizarlo y hacernos perder.

Ejemplo
En el siguiente ejemplo puede verse el funcionamiento de minimax en un árbol generado para un juego
imaginario. Los posibles valores de la función de utilidad tienen un rango de [1-9]. En los movimientos del
contrincante suponemos que escogerá los movimientos que minimicen nuestra utilidad, en nuestros
movimientos suponemos que escogeremos los movimientos que maximizan nuestra utilidad.

El primer paso será calcular los nodos terminales, en verde. Posteriormente calcularemos el cuarto nivel,
movimiento min, minimizando lo elegido (5, 2 y 1). Después podremos calcular el tercer nivel, movimiento
max, maximizando la utilidad (5, 9). El segundo nivel es un movimiento min (5, 3 y 1). Finalmente
llegamos al primer nivel, el movimiento actual, elegiremos el nodo que maximice nuestra utilidad (5).

Optimización
En la práctica el método minimax es impracticable excepto en supuestos sencillos. Realizar la búsqueda
completa requeriría cantidades excesivas de tiempo y memoria.

Claude Shannon en su texto sobre ajedrez de 1950 (Programming a Computer for Playing Chess) propuso
limitar la profundidad de la búsqueda en el árbol de posibilidades y determinar su valor mediante una
función heurística.

Para optimizar minimax puede limitarse la búsqueda por nivel de profundidad o por tiempo de ejecución.
Otra posible técnica es el uso de la poda alfa-beta. Esta optimización se basa en evitar el cálculo de ramas
cuya evaluación final no va a poder superar los valores previamente obtenidos.

Minimax en la ficción
La teoría del minimax inspiró a Phillip K. Dick a escribir la novela «Solar lottery» («Lotería
solar»).

Véase también
poda alfa-beta
búsqueda de profundidad limitada
 profundización iterativa
negamax
expectimax
transposition tables
Montecarlo

Referencias
1. Beal, 1999, p. 2.
2. Borel, 1921.
3. Mosterín, 2000, p. 210.
4. Neumann, 1928.
5. Mosterín, 2000, pp. 210-211.

Bibliografía
Beal, Donald F. (1999). The Nature of Minimax Search (https://project.dke.maastrichtuniversi
ty.nl/games/files/phd/Beal_thesis.pdf). Universidad de Maastricht: Institute of Knowledge
and Agent Technology, UM. ISBN 90-62-16-6348.
Borel, Émile (1921). «La theorie du jeu et les equations integrales ä noyau symetrique».
Comptes rendus de l'Académie des sciences.
Herik, Jaap van (1983). Computerschaak, Schaakwereld en Kunstmatige Intelligentie. La
Haya: Delft University of Technology. Academic Service. ISBN 90-62-33-093-2.
Mosterín, Jesús (2000). Los lógicos. Madrid: Espasa Calpe. ISBN 84-239-9755-3.
Neumann, John von (1928). «Zur Theorie der Gesellschaftsspiele» (http://gdz.sub.uni-goetti
ngen.de/dms/load/img/?IDDOC=29357). Mathematische Annalen. (enlace roto disponible en
Internet Archive; véase el historial (https://web.archive.org/web/*/http://gdz.sub.uni-goettingen.de/dms/l
oad/img/?IDDOC=29357), la primera versión (https://web.archive.org/web/1/http://gdz.sub.uni-goetting
en.de/dms/load/img/?IDDOC=29357) y la última (https://web.archive.org/web/2/http://gdz.sub.uni-goetti
ngen.de/dms/load/img/?IDDOC=29357)).
Wiener, Norbert (1948). Cybernetics: Or Control and Communication in the Animal and the
Machine (https://books.google.fr/books?id=NnM-uISyywAC). Cambridge: MIT Press.
ISBN 978-0-262-73009-9.

Enlaces externos
Ejemplo de implementación de MINIMAX en Clisp (http://mmengineer.blogspot.com/2008/0
5/inteligencia-artificial-minimax-clisp.html) .
Explicación Matemática de juegos bipersonales de suma nula y algoritmo minimax (http://ca
mpusvirtual.unex.es/cala/epistemowikia/index.php?title=Juegos_bipersonales_de_suma_n
ula)

«Strategy Game Programming» (https://www.fierz.ch/strategy1.htm). fierz.ch. — Strategy

Game Programming for board games such as Checkers and Chess

Obtenido de «https://es.wikipedia.org/w/index.php?title=Minimax&oldid=148590449»
Esta página se editó por última vez el 14 ene 2023 a las 05:56.

El texto está disponible bajo la Licencia Creative Commons Atribución Compartir Igual 3.0; pueden aplicarse
cláusulas adicionales. Al usar este sitio, usted acepta nuestros términos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una organización sin ánimo de lucro.