滑动后会在随机位置生成一个新的方块。新的魔方有90%的几率是2，10%的几率是4。

然后，继续游戏，直到格子中不再有可移动的方块。

从逻辑上来说，这个游戏的目标是达到一个值为2048的方块就结束了。但是，我们从未停止，我们可以继续打比赛，争取更大的胜利。理论上盒子的最大值是131072。

所以，一个算法不可能每次都能轻松正确地解决难题。我们可以尽可能地玩好这个概率游戏，确定每一步的最佳操作。

在任何时候，我们只能采取四种行动，然后面临的挑战是确定这四种措施中的哪一种会达到最佳的长期效果。

本质上，我们把游戏看成一个双人游戏:

基于此，我们可以根据每个动作发生的概率，为其生成一个结果树。然后，这可以为我们提供所需的详细信息，以确定什么样的人事行动可能会产生最佳结果。

游戏的一般流程:

我们可以在添加随机方块的过程中看到游戏的随机性。我们不仅要找到随机的正方形来添加正方形，还要为它们选择一个随机值。

总的来说，看起来很简单:

我们需要做的是模拟每一种可能性，确定哪一种滑法给出最好的结果，然后使用它。

这是一个由两部分组成的过程。第一步，看能不能动。如果不能移动，以0分提前终止。如果我们可以移动，那么我们将继续使用真正的算法，其中我们将确定移动的效果:

到目前为止，算法的主要部分是模拟滑行，但关键问题是:如何给每一个可能的动作打分。这是Expectimax算法发挥作用的时候了！

对于人类玩家来说，只有上、下、左、右四个动作。 对于计算机，在空白色位置随机放置2或4个方块:

这个算法是递归的，每一步递归只有在距离真实游戏中的实际移动有一定深度时才会停止。这会导致流程图循环回自身，但实际上我们会这样做:

在这个操作之后，我们将所有计算出的分数相加，这就是我们要从当前游戏棋盘做出的移动的最终分数。因为我们进行了四次操作(从当前游戏界面开始，每一个可能的动作都得到了一次)，所以最终得到了四个分数，其中最高分就是应该做出的动作。

至此，剩下的就是计算格子的分数了。但是我们仍然需要考虑如何从这个位置继续得分。

加上几个因子和适当的权重，可以实现很多方法。例如:

现在我们知道了算法的工作原理，下面我们来探究一些详细描述算法的伪代码。

我对游戏的实际玩法不感兴趣，对确定移动的算法有点兴趣，就从这里开始吧:

现在是时候从第一个盒子开始，模拟每一个可能的动作，返回得分最高的那个。所以我们需要为新模拟的方块生成分数。

因为使用了递归算法，所以我加了一个深度限制来阻止它，否则可能会无休止的运行。

到目前为止，我们有一个算法试图解决博弈问题，但是效率很低。由于流程的特点，总会有一些重复。

我们在上面的算法中做了一些优化，不处理对游戏没有影响的移动。不过也有其他方法可以减少工作量，比如跟踪累计移动概率，移动概率太低就停下来。