要为搜索建模 2048（或任何问题），您只需要几条信息。

首先请注意，2048 不适合 minimax，因为只有一个玩家！相反，您可以将其视为马尔可夫决策过程。不过，解决它的技术非常相似。基本上，您将搜索一名玩家，并在搜索的每一层插入“机会”节点。机会节点的值是其子节点的期望值。请注意，这会降低修剪的有效性，因此这可能意味着基于搜索的方法无法处理该问题。

1. 最终状态是什么样的？通常你有一些函数G(s)接受状态 s，并且当且仅当它是结束状态时才产生 true。在 2048 年，最终状态将是玩家失败（无法移动）或玩家获胜（存在 131072 牌）的状态，因此这应该相当容易编写。
2. 有什么回报？这通常由一个效用函数U(e)给出，它接受一个结束状态 e，并产生一个数值，表示玩家将获得的效用。
3. 玩家在每种状态下可以采取什么行动？在 2048 年，这些总是相同的（上、下、左、右）
4. 旧状态和玩家动作如何产生新状态（在这种情况下，棋子根据游戏规则滑动，然后在随机空白位置插入新棋子。

虽然搜索在这里可能有效，但由于 2048 是一个相对简单的 MDP，您可能会更乐意使用专为此类问题设计的强化学习技术。Russell & Norvig对这两种方法都有很好的章节 (14-17)。