AlphaBeta剪枝算法是搜索方法的基础，用于提高Minimax算法的效率。文章详细介绍了节点、 ply、深度等概念，并对比了两种不同的深度记法。AlphaBeta剪枝假设双方最优走法，通过评估值来判断局面优劣，轮到搜索程序走棋时，高评估值表示有利。Negamax风格的AlphaBeta算法中，评估值会根据走棋方改变符号。
AlphaBeta
剪枝算法
关于
AlphaBeta
剪枝的文章太多，
这个方法是所有其它搜索方法的基础，
得多花些时间认
真地理解。
先把基本概念再回顾一遍：
节点
：在中国象棋中就是一个棋盘的当前局面
Board
，当然该轮到谁走棋也是确定的。这
里的圆形节点表示终止节点，在中国象棋里就是一方被将死的情况(或者到达了搜索的最大深
度)，后续不会再有着法产生，游戏如果走到这里就会结束。在引擎里通常给红方一个很大的评
估值，如
+30000
，给黑方一个很小的评估值，如
-30000
，来方便地判断这种结束局面。(胜
利局面有稍微不同的表示法，用
-30000+
层数
ply
来表示)
连线
：表示一步着法
Move
，通过这步着法后，局面发生变化，先后手也要交换。
层
：通常的术语是
ply
，复数形式是
plies
，也有称为
levels
，当然与
depth
也是对应的。
这个术语是为了与比赛里常说的回合相区分，一个回合通常包含
2
步，这个
ply
就表示某一方
走了一步。根节点记为
0
层，以下的层数递增。
深度
depth
：要注意是从下到上的，还是从上到下的。(
1
)通常的算法书中都是从下到
上递增的，
即根节点为最大搜索深度，
走到最底部的叶子结点为
0
，
这种算法只要记住一个
depth
值就可以了。
(
2
)而另一种记法是根部结点为
0
，越向下
depth
增加，这时在搜索时就要传递
2
个参数值，
depth
和
maxDepth
，稍微有点啰嗦，应该也会影响一点效率。另外在探查置换
表中的结点时，用第(
1
)种记法也方便一些，因为要知道从当前节点迭代的深度值，否则还要
在置换表中保存
depth
和
maxDepth
两个值。
AlphaBeta
剪枝方法是对
Minimax
方法的优化，它们产生的结果是完全相同的，只不过
运行效率不一样。
这种方法的前提假设与
Minimax
也是一样的：
1
)双方都按自己认为的最佳着法行棋。
2
)对给定的盘面用一个分值来评估，这个评估值永远是从一方(搜索程序)来评价的，
红方有利时给一个正数，黑方有利时给一个负数。
(如果红方有利时返回正数，
当轮到黑方走棋
时，评估值又转换到黑方的观点，如果认为黑方有利，也返回正数，这种评估方法都不适合于常
规的算法描述)
3
)从我们的搜索程序(通常把它称为
Max
)看来，分值大的数表示对己方有利，而对于
对方
Min
来说，它会选择分值小的着法。
但要注意：用
Negamax
风格来描述的
AlphaBeta
中的评估函数，对轮到谁走棋是敏
感的。
也就是说：
在
Minimax
风格的
AlphaBeta
算法中，轮红方走棋时，评估值为
100
，轮黑方走棋评估
值仍是
100
。
但在
Negamax
风格的
AlphaBeta
算法中，轮红方走棋时，评估值为
100
，轮黑方走棋
时评估值要为
-100
。
3911
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
