五子棋AI算法第四篇-启发式搜索函数

什么是启发式搜索

之前我们讲到需要优化一个重要的函数，就是 gen 函数 顾名思义就是生成待搜索的位置的函数。这个函数目前做了一个很简单的处理，就是只要一个空位的周围有邻居即可。而其实这么做是非常不合理的，它的不合理性体现在两方便：

1. 没有对结果进行排序，完全是按照数组的遍历顺序的。而Alpha Beta 剪枝的效率是非常依赖节点顺序的，这个我们马上就会讲一下。
2. 没有排除不需要节点。如果能减少一些不必要的节点，那么其实就是优化了 M^N 中的M，优化效果是非常明显的。

我们接下来分别针对上面两点讲一下如何优化启发式搜索函数

对待搜索节点进行排序

还是前一章的那张图，上面可以看到在第二层中，第一个节点的值是3，因为他其实是本层中的极小值，导致后面的两个节点都可以进行剪枝（这里第二个节点的第二个孩子也可以剪掉的）。这是最好的一种情况，即在MIN层中极小值是第一个节点，那么后序的所有节点都可以根据这个极小值进行剪枝，即使极小值不在第一个节点，只要大致能按照从小到大的顺序排列，也会剪掉很多节点。如果很不幸，这一层的节点是从大到小排列的，那么剪枝就完全没有用。

对于Beta 剪枝也是同样的道理。所以说Alpha Beta剪枝的效率是取决于每一层节点的顺序的。 我们肯定是无法精确排序的，因为每一个节点的值并不能直接计算出来，需要递归计算子节点。 但是我们依然能对节点进行大致的一个排序。前面说过了，只要有一个大致的排序 其实就能很好的提升剪枝效率。