我正在尝试为一个两人8×8棋盘游戏创建一个AI对手。经过研究，我发现Minimax算法足够有效来完成这项任务。我正在创建的AI对手将与另一个AI对手或人类玩家对战。
我在理解Minimax算法方面有些疑问。
我只是想创建一个AI对手，但我在网上找到的解释说我需要为两个玩家（最小化玩家和最大化玩家）编写代码，从下面的伪代码中我理解到了这一点。
MinMax (GamePosition game) { return MaxMove (game);}MaxMove (GamePosition game) { if (GameEnded(game)) { return EvalGameState(game); } else { best_move < - {}; moves <- GenerateMoves(game); ForEach moves { move <- MinMove(ApplyMove(game)); if (Value(move) > Value(best_move)) { best_move < - move; } } return best_move; }}MinMove (GamePosition game) { best_move <- {}; moves <- GenerateMoves(game); ForEach moves { move <- MaxMove(ApplyMove(game)); if (Value(move) > Value(best_move)) { best_move < - move; } } return best_move;}我进一步理解到，最大化玩家将是我要开发的AI，而最小化玩家是对手。
我的问题是，为什么我必须为最小化和最大化玩家都编写代码来返回最佳移动？
下面的伪代码是基于C#的。
提前感谢。
回答：
你只需要在最坏情况下为两个玩家搜索最佳解决方案，这就是为什么它被称为minmax，你不需要更多的东西：
function minimax( node, depth ) if node is a terminal node or depth <= 0: return the heuristic value of node α = -∞ foreach child in node: α = max( a, -minimax( child, depth-1 ) ) return αnode是一个游戏位置，child在node中是下一步移动（来自所有可用移动的列表），depth是两个玩家一起搜索的最大移动数。
你可能无法在8×8棋盘上运行所有可能的移动（取决于你有多少下一步移动的选项），例如，如果每一步你有8种不同的可能移动，并且游戏在40步后结束（应该是最坏的情况），那么你会得到8^40个位置。计算机将需要几十年甚至更长时间来解决这个问题，这就是为什么你需要depth参数和使用启发式函数（例如随机森林树）来判断游戏位置的好坏，而不需要检查所有选项。
对于minmax来说，一个更好的算法是Alpha-Beta剪枝，它一旦找到目标（β参数）就结束搜索：
function negamax( node, depth, α, β, color ) if node is a terminal node or depth = 0 return color * the heuristic value of node foreach child of node value = -negamax( child, depth-1, -β, -α, -color ) if value ≥ β return value /** Alpha-Beta cut-off */ if value ≥ α α = value return α最好先尝试使用没有很多位置的游戏（例如井字游戏）。
