五子棋AI算法第三篇-Alpha Beta剪枝

本文链接：https://blog.csdn.net/lihongxun945/article/details/50668253

本文介绍了五子棋AI算法中的Alpha Beta剪枝原理，通过剪枝优化极大极小值搜索，减少计算节点，提高搜索效率。文章详细阐述了剪枝的必要性、Alpha Beta剪枝的运作机制，并提供了简单的代码实现，以及优化效果的分析，揭示了剪枝在降低计算复杂度方面的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

剪枝是必须的

五子棋AI教程第二版发布啦，地址：https://github.com/lihongxun945/myblog/labels/%E4%BA%94%E5%AD%90%E6%A3%8BAI%E6%95%99%E7%A8%8B%E7%AC%AC%E4%BA%8C%E7%89%88

当前这个是旧版教程，强烈建议阅读新版教程。

上一篇讲了极大极小值搜索，其实单纯的极大极小值搜索算法并没有实际意义。

可以做一个简单的计算，平均一步考虑 50 种可能性的话，思考到第四层，那么搜索的节点数就是 50^4 = 6250000，在我的酷睿I7的电脑上一秒钟能计算的节点不超过 5W 个，那么 625W 个节点需要的时间在 100 秒以上。电脑一步思考 100秒肯定是不能接受的，实际上最好一步能控制在 5 秒以内。

顺便说一下层数的问题，首先思考层数必须是偶数。因为奇数节点是AI，偶数节点是玩家，如果AI下一个子不考虑玩家防守一下，那么这个估分明显是有问题的。
然后，至少需要进行4层思考，如果连4四层都考虑不到，那就是只看眼前利益，那么棋力会非常非常弱。如果能进行6层思考基本可以达到随便赢普通玩家的水平了（普通玩家是指没有专门研究过五子棋的玩家，棋力大约是4层的水平）。

Alpha Beta 剪枝原理

Alpha Beta