机器博弈———α-β 算法原理

首先明了极大极小搜索https://baike.baidu.com/item/%E6%9E%81%E5%A4%A7%E6%9E%81%E5%B0%8F%E5%80%BC%E7%AE%97%E6%B3%95/19473878

在极大极小搜索的过程中，存在着2 种明显的冗余现象：

第1 种现象是极大值冗余。在上图中，节点A 的值应是节点 B 和节点C 的值中之较大者。现在已知节点 B 的值大于节点D 的值。由于节点C 的值应是它的诸子节点的值中之极小者，此极小值一定小于等于节点D 的值，因此亦一定小于节点B 的值，这表明，继续搜索节点C 的其他诸子节点E ，F ...已没有意义，它们不能做任何贡献，于是把以节点 C 为根的子树全部剪去。这种优化称为Alpha 剪枝。

第二种是与极大值冗余对偶的现象，称为极小值冗余。节点A 的值应是节点B 和节点C 的值中之较小者。 现在已知节点B 的值小于节点D 的值。 由于节点C 的值应是它的诸子节点的值中之极大者，此极大值一定大于等于节点 D 的值,因此也大于节点B的值，这表明，继续搜索节点C 的其他诸子节点已没有意义，并可以把以节点C 为根的子树全部剪去，这种优化称为Beta剪枝。

把Alpha -Beta 剪枝应用到极大极小算法中，就形成了Alpha -Beta搜索算法。

下面给一个例子，非常清晰

 

先做个说明：有画弧线的是与，取较小值，没有的是或，去最大值。

第一步：2、9、3做比较，取最小值2，I点确定为2

第二步：J点的1和I点2大小进行比较，如果1是J点的最小值，由于J的父节点是取较大值，1<2，无法升高D的值，所以J点的-1可以点可停止搜索，我们划掉该值。

第三步：I点2接着与K点的左值-1进行比较，如果-1是最小值，由于K的父节点取较大值，-1<2，无法升高D的取值，所以K点的右值可以停止搜索。

第四步：D的值可以确定为2

第五步：L点的作用值进行比较，取较小值6，D值与L值相比较，由于E去较大值，假设L就是最大值，E=6，二B点取得是D和E的较小值，2<6，E的结果值无法降低B的取值，所以E的右枝可以截掉。

第六步：B的值可以确定为2

第七步：N的左右值进行比较，取0,N点在和O点的左值-5进行比较，假设-5是最小值，0>-5,O点的取值无法升高父节点F的值，所以可以停止搜索O点的右枝。

第八步：F确定为0.

第九步：F点假设是C的最小值，它和B点的值比较，2>0,也就是说C点的取值无法升高A点的取值，所以G和H都停止搜索。

第十步：A点取2，结束

本文章转自https://www.cnblogs.com/tk55/articles/6012314.html