最近在做中國象棋對弈程式，用到了alpha-beta演算法。在網上搜尋了很多但是智商的因素讓我無法清除的弄明白。今天我的人機對弈終於完成了，我把我對alpha-beta演算法的理解寫出來。希望大神們有什麼不同的意見能夠指出來，幫助我改正加深我對演算法的理解，小弟先行謝過。如圖中標註和字的為電腦，標註漢的為玩家。遞迴深度為4.
首先玩家選擇某個著法產生棋局即圖中起點。
該著法對應有電腦的44種應對方式。即圖中第二行和a~和z。(44僅為乙個代表數字，棋局的不同會導致產生的合理走法的數量不同).
若電腦選擇了和a著法，對應於該著法存在有44種玩家可選著法，即圖中第三行。
若電腦替玩家選擇著法漢a,對應又存在44種電腦可選擇的走法。此時可選擇的走法有圖中的第四行左側的和a,和b，和z等未完全列舉出來的走法。
每一種走法經過評估後產生橢圓中的粉紅色結果。其中評估函式如下：
public int evaluate()
public int alphabeta(int depth, int alpha, int beta)
point legalsteps = generatemoves();
for (int i = 0; i < legalsteps.length; i++)
if (value > alpha)}}
}return alpha;
}
上面的分析可能比較拗口。簡單來講就是甲乙兩人對弈。輪到甲落子。甲分析棋盤找到所有可以落子的合理方法，分析每乙個落子乙對應走法的最大獲利。然後為了使得乙不獲得最大利益。甲將比較自己的每種落子選擇乙獲得利益的高低。為了使得自己不至於損失太大。當然是選擇使乙獲利最小的走法。
那麼alphabeta函式中的引數的含義就不難理解了，alpha 為搜尋中所能找到的最大利益走法（即在我方搜尋時我方獲得最大利益的走法）。beta為對戰方所能容忍的最大損失（即每步對方走法下我方走法最大獲利值中的最小值），至於depth毫無疑問是搜尋深度了。depth越大則電腦越聰明。
就這些了，以後如果有時間我會把歷史表等提高alphabeta演算法處理速率的方法寫出來。還希望大家多多提點啊
AlphaBeta剪枝演算法
關於alphabeta剪枝的文章太多，這個方法是所有其它搜尋方法的基礎，得多花些時間認真地理解。先把基本概念再回顧一遍 節點 在中國象棋中就是乙個棋盤的當前局面board，當然該輪到誰走棋也是確定的。這裡的圓形節點表示終止節點，在中國象棋裡就是一方被將死的情況 或者到達了搜尋的最大深度 後續不會再有...
Alpha Beta減枝演算法
演算法 採取minmax演算法，利用alpha beta演算法減枝。原理 首先，演算法是用於計算出當前下棋所產生的最好價值。那麼，定義自己的價值越高數值越大 正 對手的價值越高數值越小 負 下棋是你一手我一手的下，根據下棋的步驟，構建決策樹 所謂決策樹就是 每個節點是當前局面的評分，節點的基數層該自...
對於A 演算法 alpha beta演算法的思考
a 演算法以估值函式為核心。alpha beta 以剪枝為核心。簡單的說就是把比已知的一步棋更臭的棋剪掉。現在我希望尋求某個問題接下來幾步的最優解，蠻力計算是不可行的。a 的準確性較差。但這本身不是乙個博弈情況，所以alpha beta不適用，只能期望於一種比較好的搜尋演算法。正在構思一種逆a 演算...