电脑象棋开发-极大极小搜索

象棋蛮力搜索算法最基本的就是极大极小搜索，这种方法适用于所有双方都可看到局面的棋，比如象棋、围棋、五子棋，不适用于扑克、麻将等看不到对方牌的游戏。

算法的原理是每一方走子都为了让自己局面最优。

对于中国象棋，最简单的是代码中SearchFull函数，分析如下：

假设人（红）机（黑）对战，红方走子以后，根据不同计算深度，黑方做如下判断：

1步：找最好的走法

电脑计算当前所有可走路线以后，取局面最好的走法，这种搜索方法搜到的结果是炮2进7打底马（c454）

结果Search.nHistoryTable[54c4] += 1*1

Search.mvResult = c454

这个搜索只有1个循环，下一层迭代直接返回估计值，在这个循环中beta一直是10000，alpha不断更新到当前搜索到的最大值

2步：遍历每一种走法，对于每一种走法，对方都会选择让你的局面最差的走法，选择最好的走法

电脑首先计算当前所有可走线路：a1, a2, ...

对于每一步，计算下一步红方可能的走法，比如对于a1，考虑红方可能走b1, b2, ...

一个典型值是这样的：

alpha      beta

-10000   10000

下一层 -10000 10000

最上层循环的第二次alpha更新为-25，也就是说黑方走了这一步棋以后，红方再走一步，黑方局面最大值是-25

下一层 -10000 25，这一步如果红方搜索到局面值>25，那么说明黑方会选择前面一步走法，而不会走这一步，可以直接返回（即截断），搜索完以后alphabeta为8，25

最上一层循环下一次alpha更新为-8，

以下循环

总的来说alpha-beta算法有2个重点：

1. 对于搜索树中的兄弟节点，搜索过程中alpha值不断增加

2. 对于节点的孩子节点，alpha、beta反转

alpha表示当前搜索到的最佳值，每一个具体的搜索步骤搜到的值可能比alpha小

beta表示对手目前为止搜索到的最佳值，如果搜索到的结果比beta好，则对手不会在上一层选择这一步，可以直接返回

alpha-beta算法搜索的有效性是自低向上保证的，所以这种搜索在没有错误的基础上增加了搜索速度

搜索的每一步，alpha 走法表示搜索到的最好走法评估值比alpha小，这个搜索要抛弃

beta走法表示搜索到的最好走法太好，上一步对方不会这么走，这个搜索也是无效的