一看就懂的Alpha-Beta剪枝算法详解

最新推荐文章于 2025-04-02 13:53:51 发布
最新推荐文章于 2025-04-02 13:53:51 发布
阅读量4.2k 收藏 8
点赞数 4
分类专栏： 算法 文章标签： 算法


Alpha-Beta剪枝算法(Alpha Beta Pruning)

[说明] 本文基于<<CS 161 Recitation Notes - Minimax with Alpha Beta Pruning>>，文中的图片均来源于此笔记。


Alpha-Beta剪枝用于裁剪搜索树中没有意义的不需要搜索的树枝，以提高运算速度。


假设α为下界，β为上界，对于α ≤ N ≤ β:

若 α ≤ β  则N有解。

若 α > β 则N无解。


下面通过一个例子来说明Alpha-Beta剪枝算法。



上图为整颗搜索树。这里使用极小极大算法配合Alpha-Beta剪枝算法，正方形为自己（A），圆为对手（B）。

初始设置α为负无穷大，β为正无穷大。


对于B(第四层)而已，尽量使得A获利最小，因此当遇到使得A获利更小的情况，则需要修改β。这里3小于正无穷大，所以β修改为3。


(第四层)这里17大于3，不用修改β。


对于A(第三层)而言，自己获利越大越好，因此遇到利益值大于α的时候，需要α进行修改，这里3大于负无穷大，所以α修改为3


B(第四层)拥有一个方案使得A获利只有2，α=3,  β=2, α > β, 说明A(第三层)只要选择第二个方案, 则B必然可以使得A的获利少于A(第三层)的第一个方案,这样就不再需要考虑B(第四层)的其他候选方案了,因为A(第三层)根本不会选取第二个方案,多考虑也是浪费.


B(第二层)要使得A利益最小,则B(第二层)的第二个方案不能使得A的获利大于β, 也就是3. 但是若B(第二层)选择第二个方案, A(第三层)可以选择第一个方案使得A获利为15, α=15,  β=3, α > β, 故不需要再考虑A(第三层)的第二个方案, 因为B(第二层)不会选择第二个方案.

A(第一层)使自己利益最大,也就是A(第一层)的第二个方案不能差于第一个方案, 但是A(第三层)的一个方案会导致利益为2, 小于3, 所以A(第三层)不会选择第一个方案, 因此B(第四层)也不用考虑第二个方案.


当A(第三层)考虑第二个方案时,发现获得利益为3,和A(第一层)使用第一个方案利益一样.如果根据上面的分析A(第一层)优先选择了第一个方案,那么B不再需要考虑第二种方案,如果A(第一层)还想进一步评估两个方案的优劣的话, B(第二层)则还需要考虑第二个方案,若B(第二层)的第二个方案使得A获利小于3,则A(第一层)只能选择第一个方案,若B(第二层)的第二个方案使得A获利大于3,则A(第一层)还需要根据其他因素来考虑最终选取哪种方案.



Alpha-Beta剪枝算法(Alpha Beta Pruning)

[说明] 本文基于<<CS 161 Recitation Notes - Minimax with Alpha Beta Pruning>>，文中的图片均来源于此笔记。


Alpha-Beta剪枝用于裁剪搜索树中没有意义的不需要搜索的树枝，以提高运算速度。


假设α为下界，β为上界，对于α ≤ N ≤ β:

若 α ≤ β  则N有解。

若 α > β 则N无解。


下面通过一个例子来说明Alpha-Beta剪枝算法。



上图为整颗搜索树。这里使用极小极大算法配合Alpha-Beta剪枝算法，正方形为自己（A），圆为对手（B）。

初始设置α为负无穷大，β为正无穷大。


对于B(第四层)而已，尽量使得A获利最小，因此当遇到使得A获利更小的情况，则需要修改β。这里3小于正无穷大，所以β修改为3。


(第四层)这里17大于3，不用修改β。


对于A(第三层)而言，自己获利越大越好，因此遇到利益值大于α的时候，需要α进行修改，这里3大于负无穷大，所以α修改为3


B(第四层)拥有一个方案使得A获利只有2，α=3,  β=2, α > β, 说明A(第三层)只要选择第二个方案, 则B必然可以使得A的获利少于A(第三层)的第一个方案,这样就不再需要考虑B(第四层)的其他候选方案了,因为A(第三层)根本不会选取第二个方案,多考虑也是浪费.


B(第二层)要使得A利益最小,则B(第二层)的第二个方案不能使得A的获利大于β, 也就是3. 但是若B(第二层)选择第二个方案, A(第三层)可以选择第一个方案使得A获利为15, α=15,  β=3, α > β, 故不需要再考虑A(第三层)的第二个方案, 因为B(第二层)不会选择第二个方案.

A(第一层)使自己利益最大,也就是A(第一层)的第二个方案不能差于第一个方案, 但是A(第三层)的一个方案会导致利益为2, 小于3, 所以A(第三层)不会选择第一个方案, 因此B(第四层)也不用考虑第二个方案.


当A(第三层)考虑第二个方案时,发现获得利益为3,和A(第一层)使用第一个方案利益一样.如果根据上面的分析A(第一层)优先选择了第一个方案,那么B不再需要考虑第二种方案,如果A(第一层)还想进一步评估两个方案的优劣的话, B(第二层)则还需要考虑第二个方案,若B(第二层)的第二个方案使得A获利小于3,则A(第一层)只能选择第一个方案,若B(第二层)的第二个方案使得A获利大于3,则A(第一层)还需要根据其他因素来考虑最终选取哪种方案.



alpha beta 剪枝算法
emoheithree的博客
05-22 3314
alpha-β修剪的好处在于可以消除搜索树的分支。这样，搜索时间可以限制在“更有希望”的子​​树中，并且可以在同一时间执行更深入的搜索。该算法和极小化极大算法一样，都是分支限界类算法。若节点搜索顺序达到最佳优化或近似最佳优化（将最佳选择排在各节点首位），则同样时间内搜索深度可达极小化极大算法的两倍多。
python alpha beta 剪枝_一看就懂的 Alpha-Beta 剪枝算法详解
weixin_28763005的博客
03-01 1952
Alpha-Beta剪枝用于裁剪搜索树中没有意义的不需要搜索的树枝，以提高运算速度。假设α为下界，β为上界，对于α ≤ N ≤ β:若 α ≤ β 则N有解。若 α > β 则N无解。下面通过一个例子来说明Alpha-Beta剪枝算法。上图为整颗搜索树。这里使用极小极大算法配合Alpha-Beta剪枝算法，正方形为自己(A)，圆为对手(B)。初始设置α为负无穷大，β为正无穷大。对于B(第四...
理解Alpha-Beta 剪枝算法
一路向北
05-29 1万+
Alpha-beta剪枝是一种搜索算法，用以减少极小化极大算法（Minimax算法）搜索树的节点数。裁剪搜索树中没有意义的不需要搜索的树枝，提高运算速度。 搜索中传递两个值。 第一个值是Alpha，即搜索到的最好值，任何比它更小的值就没用了。（本方最少要得到的值） 第二个值是Beta，即对于对手来说最坏的值。（对方最多能给的值） 下面通过一个例子来说明Alpha-Beta剪枝算法。 上图为整颗搜索树。这里使用极小极大算法配合Alpha-Beta剪枝算法，正方形为自己（A），圆为对手（B）。 初始设置α为负
alpha-beta剪枝讲解
09-11
这个是我们老师在上课时对alpha-beta剪枝的解释，个人觉得比较容易理解，因为在博客中无法上传视频，所以只能上传为资源了．对于这个视频我有相应的博客解释．
3.3 Alpha-Beta剪枝
最新发布
2301_80681057的博客
04-02 800
通过 Alpha-Beta 剪枝，可以显著提升 Minimax 算法的效率，使其在复杂游戏中具备实际应用价值。Minimax 算法的时间复杂度为 (：快速估算非终局状态的价值。，将时间复杂度优化至 (
【人工智能】超详细，一文懂Alpha-Beta剪枝
热门推荐
m0_51662391的博客
02-27 2万+
Alpha-Beta剪枝的理解以及解题过程。
Alpha-Beta剪枝算法原理
RuizhiHe
04-19 2万+
1. 前言 前文：极小化极大（Minimax）算法原理 极小化极大算法在完全信息零和博弈中，基于己方努力使得在N步后优势最大化（即评估函数输出值最大化）和对方努力使得N步后己方优势最小化这两个出发点，构建决策树。在决策树上通过这两个出发点的内在逻辑进行搜索，最后给出行动策略。 显然，极小化极大算法需要展开整个决策树，对于局面复杂的问题，其搜索空间将会非常大。 同时，我们可以清晰地看到有部分节点是否被搜索不会影响最后的结果，因此，无需展开此类节点以及计算此类节点的子节点的估值。 通过上述方法，可节省算法的搜索
Alpha-Beta剪枝算法原理介绍及JAVA代码实现
努力努力再努力
05-22 5031
Alpha-Beta剪枝算法
alpha-beta剪枝算法
Edith的博客
01-23 4168
实验报告 alpha-beta剪枝算法 姓名：张楚明 学号：18342125 日期：2021.01.15 摘要 本实验将搜索深度为4的Alpha-Beta剪枝算法应用于中国象棋中黑方走棋，实现了中国象棋的人机博弈。博弈过程中综合考虑了棋力、对敌方棋子的攻击力、对己方棋子的保护能力、棋子的灵活性及其位置等多种因素计算当前棋子的评估值 使用说明 用vscode打开文件夹运行main.py即可（其中相应版本为Python3.8.2，Pygame1.9.6） 1. 导言 (1) 要解决的问题描述
Alpha-Beta剪枝算法详解与实现
"Alpha-Beta剪枝算法是一种在博弈树中进行搜索的优化策略，用于减少在决策树中不必要的分支探索，提高效率。该算法广泛应用于棋类游戏，如一字棋（井字棋）等，通过计算机模拟玩家的决策来找到最佳的下一步。此算法...
算法——Alpha-Beta剪枝搜索
oopxiajun博客专栏
02-16 2410
（1）将走棋方定为MAX方，因为它选择着法时总是对其子节点的评估值取极大值，即选择对自己最为有利的着法；（2）将应对方定为MIN方，因为它走棋时需要对其子节点的评估值取极小值，即选择对走棋方最为不利的、最有钳制作用的着法。（3）在对博弈树（博弈树是指由于动态博弈参与者的行动有先后次序,因此可以依次将参与者的行动展开成一个树状图形。）采取深度优先的搜索策略时，从左路分枝的叶节点倒推得到某一层MAX节点的值，可表示到此为止得以“落实”的着法最佳值，记为α。（4）显然此值可作为MAX方着法指标的下界。
一篇讲alpha-beta 剪枝及其算法分析的论文
05-04
这是一篇讲alpha-beta 剪枝及其算法分析的英文论文，在我的博客上有其中文摘要。这篇论文在描述alpha-beta 剪枝之余又对其进行了详细地复杂度分析，是很少见的。
人工智能小游戏-基于alpha-beta剪枝算法实现的五子棋源码
11-14
======================================================================== MICROSOFT FOUNDATION CLASS LIBRARY : fir ======================================================================== AppWizard has created this fir application for you. This application not only demonstrates the basics of using the Microsoft Foundation classes but is also a starting point for writing your application. This file contains a summary of what you will find in each of the files that make up your fir application. fir.dsp This file (the project file) contains information at the project level and is used to build a single project or subproject. Other users can share the project (.dsp) file, but they should export the makefiles locally. fir.h This is the main header file for the application. It includes other project specific headers (including Resource.h) and declares the CFirApp application class. fir.cpp This is the main application source file that contains the application class CFirApp. fir.rc This is a listing of all of the Microsoft Windows resources that the program uses. It includes the icons, bitmaps, and cursors that are stored in the RES subdirectory. This file can be directly edited in Microsoft Visual C++. fir.clw This file contains information used by ClassWizard to edit existing classes or add new classes. ClassWizard also uses this file to store information needed to create and edit message maps and dialog data maps and to create prototype member functions. res\fir.ico This is an icon file, which is used as the application's icon. This icon is included by the main resource file fir.rc. res\fir.rc2 This file contains resources that are not edited by Microsoft Visual C++. You should place all resources not editable by the resource editor in this file. ///////////////////////////////////////////////////////////////////////////// For the main frame window: MainFrm.h, MainFrm.cpp These files contain the frame class CMainFrame, which is derived from CFrameWnd and controls all SDI frame features. ///////////////////////////////////////////////////////////////////////////// AppWizard creates one document type and one view: firDoc.h, firDoc.cpp - the document These files contain your CFirDoc class. Edit these files to add your special document data and to implement file saving and loading (via CFirDoc::Serialize). firView.h, firView.cpp - the view of the document These files contain your CFirView class. CFirView objects are used to view CFirDoc objects. ///////////////////////////////////////////////////////////////////////////// Other standard files: StdAfx.h, StdAfx.cpp These files are used to build a precompiled header (PCH) file named fir.pch and a precompiled types file named StdAfx.obj. Resource.h This is the standard header file, which defines new resource IDs. Microsoft Visual C++ reads and updates this file. ///////////////////////////////////////////////////////////////////////////// Other notes: AppWizard uses "TODO:" to indicate parts of the source code you should add to or customize. If your application uses MFC in a shared DLL, and your application is in a language other than the operating system's current language, you will need to copy the corresponding localized resources MFC42XXX.DLL from the Microsoft Visual C++ CD-ROM onto the system or system32 directory, and rename it to be MFCLOC.DLL. ("XXX" stands for the language abbreviation. For example, MFC42DEU.DLL contains resources translated to German.) If you don't do this, some of the UI elements of your application will remain in the language of the operating system. /////////////////////////////////////////////////////////////////////////////
过程挖掘算法
03-20
过程挖掘算法
C# alpha-beta 剪枝五子棋AI 算法
12-29
本篇文章将深入探讨如何使用C#编程语言实现Alpha-Beta剪枝算法，来构建一个具有较高棋力的五子棋AI。 Alpha-Beta剪枝是一种优化的搜索算法，用于在有限的计算资源下提高棋盘游戏的决策效率。它是Minimax算法的改进...
剪枝问题
Roly
03-13 965
搜索的进程可以看作是从树根出发，遍历一棵倒置的树—-搜索树的过程。而所谓的剪枝，顾名思义，就是通过某种判断，避免一些不必要的遍历过程，形象的说，就是减去了搜索树中的某些“枝条”，故称剪枝。 即剪去解答树上已被证明不可能存在可行解或最优解的子树. 既然采用了搜索，剪枝就显得十分的必要，即使就简简单单的设一个槛值，或多加一两条判断，就可对搜索的效率产生惊人的影响。例如Ｎ后问题，假如放完皇后再判断，则
完全极大极小搜索与alpha-beta剪枝
春天小猪
09-22 1249
这个东西属于博弈的范畴了，虽然在去年就听白爷讲过这个东西，后来就一直放着，觉得出现的概率不大，前一段时间非常想学这个东西，可惜总是在做其他事情，终于连续两场比赛遇到了极大极小搜索。         这个东西听起来玄乎，其实非常有趣。         组合博弈中的几个条件就是每轮双方操作一步，在有限步操作之后进入最终状态不包含平局。但是最终的状态仅含有必胜和必败。如果对于整个局面需要求出最优解是
alpha,beta剪枝详解
weixin_45472668的博客
10-24 1万+
α,β剪枝详解\alpha,\beta剪枝详解α,β剪枝详解 示例图 步骤详解 基础原理 这里我们先要理解什么是α,β\alpha,\betaα,β剪枝：α\alphaα是下界，β\betaβ是上界。 此外，作为博弈的双方，最大值方（用方块表示）总是试图做出决策使值最大，最小值方（用圆表示）总是试图做出决策使值最小，这里我们带入最大值方，站在A的角度，判断究竟是选择B还是C能满足我们的目标。 步骤详解 1. 从A开始深度优先搜索，一直搜索到I，得到值为1，因此下界alpha为1，也就是说D的决策最差为1。
α、β剪枝法
Shelly10086的博客
09-22 8517
在讲α、β剪枝法之前，我们先了解一下极大极小值算法；因为α、β剪枝法是为了简化极大极小值的计算而提出的。 极大极小值法 Minimax算法又名极小化极大算法，是一种找出失败的最大可能性中的最小值的算法（即最小化对手的最大得益）。通常以递归形式来实现。这一算法通常是用于零和博弈中，即双方的获利与损失之和永远为零。为了使己方利益最大化，我们会选择对自己最有利的条件，而尽可能地让对方陷入不利的条件中。并且该算法的前提是，对方是绝对聪明的，即对方不会在决策时出现失误。 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值