到目前为止，国际象棋（或者，实际上，任何游戏）代理最常见的启发式评估函数形式是简单的线性函数。至少当我们谈论手工制作的特征时，当然，最近几年对深度神经网络的所有炒作都是不同的。因此，如果在这样的论文中没有明确说明他们的启发式评估函数是什么样的，你可以相对安全地假设它只是一个线性函数。

使用线性函数，我的意思是你有特征向量$\boldsymbol{\phi}(s)$为您的州$s$，以及权重向量$\boldsymbol{\theta}$, 和评价$f(s)$一个国家的$s$简单地由点积给出（将特征值的所有乘法与其相应的权重相加）：

下标在哪里$i$表示采取$i^{th}$向量的元素。

启发式可以理解为规则。通常，启发式被认为是针对特定问题的策略。 专家系统是人工智能的早期形式，它利用基于规则的决策。在玩游戏的环境中，启发式可以是纯粹的策略。

启发式函数将包括一些预定义的决策规则。Russell 和 Norvig 有一篇关于知情（启发式）搜索策略的精彩章节。

启发式函数是最常见的形式，其中将问题的附加知识传授给搜索算法。
_{人工智能：一种现代方法；3.5.pdf _}

h(n) 相对于 f(n) 或 g(n)

启发式只是意味着它是由人类手工构建的。假设你给每件作品的价值一个初始值。这是一种启发式方法，因为它只是由人类定义的。但是，如果贝叶斯过程要修改人类给出的初始值，那将是一个非启发式的事情。

因此，除了查找人类给出的初始参数是什么之外，没有要搜索的函数定义。