alpha-beta pruning

博弈搜索中，例如下五子棋，既要使我方的静态评估函数越大，又要使对方的静态评估函数越小，所谓静态评估函数，是一个计算双方"势"的函数，例如五子棋中计算双方可能构成五连星的条数，你也可以自己构造这样的函数，事实上，这个函数构建的好坏决定了博弈的水平。假设这个函数定义为h()，定义我方为max,对方为min.则我们要最大化h(max)-h(min)。

博弈搜索中，max选择下一步集合A中的一个元素ai，对于每个ai，min可能下的所有位置记为集合B，min下棋是要极小化h(max)-h(min)，所以对于每个ai，B下一步bi是极小化h(max)-h(min)的一步，对于A中所有的元素ai，我们要选择所有ai中h(max)-h(min)最大的一步。

现在开始说alpha-beta剪枝，事实上，假如对于a0，对所有的b的最小化h(max)-h(min)是2，这时考虑a1，只要任何bi的h(max)-h(min)小于2，那么整个a1这一支都不用考虑，因为如果a选a1, b选择的极小化h(max)-h(min)的bi使得其小于2，那么a1的h(max)-h(min)一定小于2.所以剪枝，这个称为alpha剪枝。