Alpha-Beta减枝算法

算法：采取MinMax算法，利用Alpha-Beta算法减枝。
原理：首先，算法是用于计算出当前下棋所产生的最好价值。
那么，定义自己的价值越高数值越大（正），对手的价值越高数值越小（负）
下棋是你一手我一手的下，根据下棋的步骤，构建决策树
所谓决策树就是：每个节点是当前局面的评分，节点的基数层该自己下棋，偶数层该对手下棋
那么，在遍历决策树时，首先要计算第一层能获取的最大值Max
要想获得第一层，那就遍历第二层（第二层为根节点所能产生的所有走法的评分）
在第二层中找到最小的那个Min（为什么要找最小的？因为第二层是对手下棋，对手最好的走法，对你来说最坏）
要想找第二层的最小值，那就得遍历每个节点的第三层，找到第三层中最大的值（因为该你走），然后比较所有Max中Min的那一个
这一句可能不太清楚，是说对手会遍历你下一手的所有走法，然后找到最差的那个（对他最好）。所以是在Max中找Min
之后一直这样遍历


但是如果这样的话，节点数量会成指数倍增加。效率大大的下降了。
如果每次正常的走法有N个。
那么第一层节点的个数是1，第二层是N，第三层是N*N，第四层是N*N*N....第N层的节点数将会达到N的N次方。一辈子都算不完了


所以目前的做法有两个
1、限制搜索的层数，只搜索有限层（层数越高当然智能越高，速度也