minimax search算法

局面估价函数：给每个局面(state)规定一个估价函数值f,评价它对于己方的有利程度。胜利的局面的估价函数值为,而失败的局面的估价函数为-

Max局面：假设这个局面轮到己方走，有多种决策可以选择，其中每种决策都导致一个子局面(sub-state)。由于决策权在我们手中，当然是选择估价函数值f最大的子局面。因此，该局面的决策函数等于子局面f值的最大值，把这样的局面称为max局面。

Min局面：假设这个局面轮到对方走，它也有多种决策可以选择，其中每种决策都也会导致一种子局面，但由于决策权在对方手中，在最坏的情况下，对手当然选择估价函数值f最小的子局面。因此，该局面的决策函数值等于子局面f值的最小值，把这样的局面称为min局面。

终结局面：如果双方都不能走，显然胜负已分，f值根据规定取值。综上所述，得到了最单纯的极大极小算法。

完全极在极小过程：对于一个局面，递归计算它所有子局面的估价函数值。如果是max层，转移到其中函数值最大的子局面，否则转移到函数值最小的子局面。可以把已经算过估价函数值的局面都记录下来，以免重复工作。

function minmax(State, Player:Integer):integer

begin

     if WeWon then minmax:=+

     else if WeLost then minmax:=-

    else begin

        min:=+

        max:=-

        for Move:=1 to MoveCount do

        begin

            NewState:= DoMove(State, Move);

            Value:= minmax(NewState, Next(Player));

            if Value < min then min:=Value

            if Value > max then max := Value

       end

      if Player = MyProgram then minmax:= max

      if Player = Oppoent then minmax:=min

  end

end