极大极小搜索

极大极小搜索算法：

用于围棋，五子棋，象棋等棋类，结果有三种可能：胜利、失败和平局。理论上可以穷举所有的走法，这就需要生成整棵博弈树。实际上不可行。因此搜索时可以限

定博弈树的深度，到达该深度则不再往下搜，相当于只往前看 n 步。

如果题意是求出必胜，必败，必和等，那么肯定是全部搜完整一棵搜索树，此题目数据量一般很小

如果是不搜索完，只能求出胜或败或和的概率

思路：

先要弄一个估价函数：

概念：MAX(己方)和MIN(敌手)对弈，轮到MAX走棋了，那么我们会遍历MAX的每一个可能走棋方法，然后对于前面MAX的每一个走棋方法，遍历MIN的每一个走棋方法，然后接着遍历MAX的每一个走棋方法，…… 直到分出胜负或者达到了搜索深度的限制。若达到搜索深度限制时尚未分出胜负，则根据当前局面的形式，给出一个得分，计算得分的方法被称为估价函数，不同游戏的估价函数如何设计和具体游戏相关。

确定估价值函数：对MAX方有利，估价值为正，对MAX方越有利，估价值越大。对MIN方有利，估价值为负，对MIN方越有利，估价值越小。

作用：因为非叶子节点的估价函数值可以通过其子结点推出，所以是用于求出子结点的估价值，然后往树的根节点推

然后要想怎么根据叶子节点输赢推到根节点输赢：

其中的一些概念：

作为Max的选择，在此局面下，所有走的所有可能作为同一层，其中节点也叫做极大节点

作为Min的选择，同理，节点叫做极小节点

如下图：

作为MAX方

肯定要选最有利的，那么就选此时所有选择的节点中的估价函数值最大的一种

该节点估价值就是其下Min的所有选择的最大的一个值，也即是对Min最不利，对Max最有利的一个节点

作为Min方

也要选最有利的，那么就选此时所有选择的节点中的估价函数值最小的一种

该节点估价值就是其下Max的所有选择的最小的一个值，也即是对Max最不利，对Min最有利的一个节点

额，好难说清，上伪代码：

function minimax(node, depth) // 指定当前节点和还要搜索的深度
 	// 如果胜负已分或者深度为零，使用评估函数返回局面得分
	if node is a terminal node or depth = 0
		return the heuristic value of node
		// 如果轮到对手走棋，即node是极小节点，选择一个得分最小的走法
	if the adversary is to play at node
		let α := +∞
		for each child of node
		α := min(α, minimax(child, depth-1))
		// 如果轮到自己走棋，是极大节点，选择一个得分最大的走法
	else {we are to play at node}
		let α := -∞
		for each child of node
		α := max(α, minimax(child, depth-1))
 	return α;