本文以简洁易懂的方式介绍了α-β剪枝算法，旨在帮助初学者理解这种用于减少极小化极大算法搜索树节点的策略。通过一个van游戏的例子，解释了如何在双方对抗中通过预判避免不利选择。文章提到了MAX层和MIN层的概念，并阐述了α和β上下界的作用，以及何时可以剪枝。虽然提供了OI Wiki的链接以供进一步学习，但作者表示自己尚未实现完整的代码。
由于做某题时暴力分出来很低，但某巨佬告诉我α-β剪枝很好用于是本屑踏上了征途。作为一只屑屑在学习这个算法时到处看各种blog，于是乎被上界下界决策等一众本屑看不懂的词汇弄得晕头转向，这篇blog就用本屑的语言梳理一下α-β剪枝算法捏。
首先放一只定义：
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。这是一种对抗性搜索算法，主要应用于机器游玩的二人游戏（如井字棋、象棋、围棋）。当算法评估出某策略的后续走法比之前策略的还差时，就会停止计算该策略的后续发展。该算法和极suan所得结论相同，但剪去了不影响最终决定的分枝。
简单点来说就是，双方轮流做选择，都想让自己得到最优结果，当一方发现自己做出某个决定后对方可能做出让自己的结果比当前最差结果更差的选择，这一方就会放弃这个选择。
貌似还是有点绕，举个栗子：
A，B两个特别聪明的人在van游戏，他们的面前有两组数，第一组中有一个3和一个5，第二组中有一个2和一个x，A希望得到尽可能大的数，B希望A得到尽可能小的数。A选择一组数，B选择一个数给A，由于B很聪明，他一定会选择较小的一个数给A，那么当A选择第一组，他可以得到3（当前最差结果）
最低0.47元/天 解锁文章
扫一扫
1639
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
