什么是α-β剪枝算法?

α-β剪枝算法是计算机棋类游戏智能决策的关键,它解决了极小-极大搜索过程中的“组合爆炸”问题。该算法通过模拟人类棋手的思考方式,只搜索最有希望的分支,提高搜索效率,允许在有限时间内深入搜索,从而增强棋局决策的质量。这一方法由约翰·麦卡锡等学者提出,显著提升了如IBM深蓝这样的计算机棋类系统的性能。
摘要由CSDN通过智能技术生成

IBM的深蓝战胜国际象棋大师卡斯帕罗夫很大程度上要归功于α-β剪枝算法[2],那么什么是α-β剪枝算法呢?我们从极小-极大过程开始讲起。

1. 极小-极大过程

我们先看看人是如何下棋的。人在下棋时首先根据当前局面考虑若干总可能的走法,再对每种可能的走法考虑对方会如何走,再考虑自己会如何应对……高手会这样往前看很多步,根据最后的局面判断哪种走法是最优的。换句话说,高手会选择那种即使对方正确应对的情况下,己方依然占据最大优势的走法,而不是把希望寄托在对方犯错上。人类棋手的这种思考方法可以用一个“极小极大过程”来描述,其中“极小”是指因为对方的正确应对,使己方收益最小,而“极大”是指假设对方让自己收益最小的前提下,通过己方走棋使自己收益最大。

图1:极小-极大过程

什么是α-β剪枝算法?

如图1所示,其中方框表示轮到我方走棋,圆圈表示轮到对方走棋。最上面的方框表示当前棋局状态。从当前状态开始向下搜索4步,最下方的数字给出了四步之后的棋局得分,数字越大表示对我方越有利,数字越小表示对对方越有利(在深蓝系统中,这些得分来自于国际象棋大师总结的相关知识)。有了这棵搜索树,就可以自底向上倒推每个节点的得分。如何倒推呢?显然,在双方都不犯错的前题下,我方会选择得分更高的走法,对方会选择得分最低的走法。基于这一原则,圆圈节点的分值是其所有子节点的最小分值,而方框节点是所有子节点的最大分值。由此可自底向上得到所有节点的分值,如图1所示。

基于图1所示的各节点得分,可以看到在双方都没有出现错误的情况下,如果己方向左走将得到0分,而向右走的话,将得到1分。显然我方应该选择向右走,如红色箭头所示,这将保证无论对方如何应对,我方至少获得1分的优势,这就是极小-极大过程。本质上,这一过程保证在最差情况下(对手完美走棋)选择对自己最有利的走法,因此可表现出稳定的棋力。极小-极大过程由香农于1949年提出[3],是包括深蓝在内的众多计算机对奕机系统的基础。

2. α-β剪枝

当搜索深度增加,极小-极大过程将产生规模庞大的搜索树,出现“组合爆炸”问题。据深蓝开发者估算,如果不做改进的话,即便每次走棋只往前考虑十步左右,每步棋也需要“思考”17年。

如何解决这一问题呢?我们先看看人类棋手是如何处理的。众所周知,有经验的棋手在思考可能的走法时,并不是对每种可能性都平权考虑,而是根据自己的经验选择几种可能的走法进行尝试。计算机可以借鉴这一思路,在搜索的过程中减掉一些不必要的路径分枝,以提高搜索的效率,这一方案称为剪枝。利用极小-极大过程的特点(我方选择最大子节点,对方选择最小子节点),可以设计剪枝算法,在保证决策不变的前提下,去掉大量不必要的搜索路径。α-β剪枝算法正是这样一种算法。

我们假定节点是按照深度优先的方式边搜索边产生的,如图2所示。从根节点s开始,顺序产生a、b、c三个节点,达到了搜索深度后,计算c的两个子节点的得分。由于c是极小节点,所以两个子节点中最小得分(0)即为c的得分。由于b是极大节点,因此b的得分最小为0。由b向下扩展生成节点d和e,e的得分为-3,而d又是极小节点,从而我们知道d的值最大为-3。到此我们会发现,b的最小值为0,d的最大值为-3,因此节点f得分多少已经不重要了,所以f可以被剪掉,不需要生成。这样由b得分为0,我们有a的最大值为0。同样我们扩展a的另一个子节点,并向下延伸到k,得到k的分数为3。由于h没有其他的子节点,我们推断极大节点g最小为3。从前面我们知道极小节点a最大为0,它的子节点g是极大节点,最小为3,所以g的其他子节点得分是多少也不重要了,可以不需要生成。

图2:α-β剪枝示意图

什么是α-β剪枝算法?

上面的例子可以总结成如下剪枝规则:

1,后辈极小节点的值≤祖先极大节点的值时, 发生剪枝,称为α剪枝。

2,后辈极大节点的值≥祖先极小节点的值时, 发生剪枝,称为β剪枝。

请注意,这里发生剪枝的条件都是后辈跟祖先比较,不只是跟父节点比,只要有一个祖先满足剪枝条件就发生剪枝。

上述剪枝方法被称为α-β剪枝算法,由人工智能创始人之一,图灵奖获得者约翰-麦卡锡提出(同期多位学者做过相关研究并独立提出了该算法)[1]。α-β剪枝算法显著提高了搜索效率,允许在有限的时间内做更深的搜索,从而得到更好的性能。需要强调的是,α-β剪枝算法是一个“无损”算法,即剪枝只会提高搜索效率,不会影响走棋决策。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值