阿尔法贝塔剪枝_决策树剪枝的策略_阿尔法贝塔剪枝示例

•一种基于剪枝（ α-βcut-off）的深度优先搜索（depth-first search）。

•将走棋方定为MAX方，因为它选择着法时总是对其子节点的评估值取极大值，即选择对自己最为有利的着法；

•将应对方定为MIN方，因为它走棋时需要对其子节点的评估值取极小值，即选择对走棋方最为不利的、最有钳制作用的着法。阿尔法贝塔剪枝

•在对博弈树采取深度优先的搜索策略时，从左路分枝的叶节点倒推得到某一层MAX节点的值，可表示到此为止得以“落实”的着法最佳值，记为α。阿尔法贝塔剪枝

•显然此值可作为MAX方着法指标的下界。

•在搜索此MAX节点的其它子节点，即探讨另一着法时，如果发现一个回合（2步棋）之后评估值变差，即孙节点评估值低于下界α值，则便可以剪掉此枝（以该子节点为根的子树），即不再考虑此“软着”的延伸。

•此类剪枝称为α剪枝。

•同理，由左路分枝的叶节点倒推得到某一层MIN节点的值，可表示到此为止对方着法的钳制值，记为β。

•显然此β值可作为MAX方无法实现着法指标的上界。

•在搜索该MIN节点的其它子节点，即探讨另外着法时，如果发现一个回合之后钳制局面减弱，即孙节点评估值高于上界β值，则便可以剪掉此枝，即不再考虑此“软着”的延伸。

•此类剪枝称为β剪枝。

、

•α-β剪枝是根据极大-极小搜索规则的进行的，虽然它没有遍历某些子树的大量节点，但它仍不失为穷尽搜索的本性。

•α-β剪枝原理中得知：

α值可作为MAX方可实现着法指标的下界

β值可作为MAX方无法实现着法指标的上界

于是由α和β可以形成一个MAX方候选着法的窗口

也便出现了各种各样的α-β窗口搜索算法。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-36866-1.html