将Minimax修改为Alpha-Beta剪枝的伪代码

我正在学习Alpha-Beta伪代码,我想编写一个最简单的Alpha Beta剪枝的伪代码。

我已经为Minimax编写了伪代码:

function minimax(node, depth)     if node is a terminal node or depth ==0          return the heuristic value of node     else           best = -99999     for child in node          best = max(best, -minimax(child, depth-1))     return best

但是,我不知道如何将其修改为alpha-beta剪枝。有人能帮我吗?


回答:

在Alpha-Beta中,你需要跟踪一个位置的保证得分。如果你发现一个比对手在前一个位置(一步之前)已经保证的得分更好的移动,你可以立即停止。

技术上,每一方都跟踪其下限得分(alpha),并且你可以访问对手的下限得分(beta)。

以下伪代码未经测试,但这是基本思路:

function alphabeta(node, depth, alpha, beta)     if node is a terminal node or depth ==0          return the heuristic value of node     else           best = -99999     for child in node          best = max(best, -alphabeta(child, depth-1, -beta, -alpha))          if best >= beta                return best          if best > alpha                alpha = best     return best

在搜索开始时,你可以将alpha设置为-INFINITY,beta设置为+INFINITY。严格来说,草图算法不是alpha-beta,而是Negamax。两者是相同的,所以这只是一个实现细节。

请注意,在Alpha-Beta中,移动顺序至关重要。如果大多数时候,你从最好的移动开始,或者至少是一个非常好的移动,你应该会看到比Minimax有巨大的改进。

一个额外的优化是从限制的alpha beta窗口开始(不是-INFINITY和+INFINITY)。然而,如果你的假设被证明是错误的,你必须使用更开放的搜索窗口重新开始搜索。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注