QT五子棋项目详解之五：AI人机对战Alpha-Beta剪枝算法

前面介绍了单纯的max-min算法，其效率是很低的，只能思考四层。没有看过的，先去看看，才能理解后面的。

只能思考4层是由于可能的走法太多了，如第一步电脑有225种走法，每一种走法都会导致玩家有224种走法............就像是一颗庞大的树。由于可能性太多，所以优化是必须的。优化的第一种办法就是剪枝。

没有看过的，先去看看，才能理解后面的。

QT五子棋项目详解之四：AI人机对战max-min极大极小值博弈算法：

http://blog.csdn.net/weixin_39788534/article/details/79499966

我接着前面的讲，如下图，思考两层的情况：计算的顺序是这样的：

先遍历了A分支的D，E，又遍历其他分支。F,G.........

我们可以考虑一下下面的这种情况：即当计算到H的时候，我已经没有必要去计算C节点的其他分支I....了

为什么，你想一下，当电脑走了C节点后，玩家会选择一个对玩家最不利的点，如果I的值大于1，那玩家就会选择1.

如果I的值等于0，那玩家就会选择0这个点，导致C的分数变成了0.不管I的值是什么，玩家都会选择前面的3这个节点，这样就大大的提高了效率。

因此，对于剪枝需要保留这一层的最值，对于电脑这一层来说，就是需要保留最大的3，如果后面的节点如C的节点比3小就不用再判断了。

就像是模拟人的思考方式一下，真的很简单。一切都是合理的方式。

代码也很简单，多加了几行。：

QPoint Game::maxmin2(int deep)

{
 

    int best = INT_MIN;

   QVector<QPoint> points =  gen(deep,computerColor);

   for(int i = 0;i<points.count();i++)

   {
 

       chess[points[i].x()][points[i].y()] = computerColor;

            int v = min2(deep-1,best > INT_MIN ? best : INT_MIN,INT_MAX,points[