如何使用 Alpha Beta 选择节点答案

【问题标题】：How to select a node using Alpha Beta如何使用 Alpha Beta 选择节点
【发布时间】：2016-12-31 16:10:28
【问题描述】：

我正在使用 MiniMax 和 Alpha Beta 修剪为黑白棋游戏实现 AI。我已经实现了一个 Alpha Beta 算法，它告诉我可以获得的值，但不告诉我应该选择哪个节点？所以我的问题是如何使用 Alpha-Beta 来告诉我应该选择哪个节点，而不是结果值是什么。这是我的 Alpha-Beta 算法的伪代码。

01 function alphabeta(node, depth, α, β, maximizingPlayer)
02      if depth = 0 or node is a terminal node
03          return the heuristic value of node
04      if maximizingPlayer
05          v := -∞
06          for each child of node
07              v := max(v, alphabeta(child, depth – 1, α, β, FALSE))
08              α := max(α, v)
09              if β ≤ α
10                  break (* β cut-off *)
11          return v
12      else
13          v := ∞
14          for each child of node
15              v := min(v, alphabeta(child, depth – 1, α, β, TRUE))
16              β := min(β, v)
17              if β ≤ α
18                  break (* α cut-off *)
19          return v

【问题讨论】：

不是结果值 - 但你也需要它。您需要退回 2 件东西。确切的答案取决于您的 node 、编程语言等的定义。
@HenkHolterman 为什么我需要返回结果值？例如，如果我的树是二叉搜索树，我只需要知道要选择 2 个节点中的哪一个，而不是值是什么？当然，虽然我需要该值来确定选择哪个节点
您刚刚回答了自己：“确定哪个...”
我认为你不明白我的问题。该算法确定采取哪条路径并获得应获得的正确结果。我只需要回溯以找出它选择的初始节点，但由于我只有最终结果，我如何知道具有该值的节点的路径？

标签： tree artificial-intelligence evaluation minimax pruning

【解决方案1】：

如果你只想知道根位置的最佳移动，记住根位置的哪个移动得分最高就足够了。为此，只需返回分数就足够了。无需更改伪代码。

当您询问到关键节点的路径时，我猜您是在询问一种重构 principal variation 的方法，它提供了有关搜索预期的一系列移动的见解。

理论上，您可以只返回递归调用的值和主要变化。这使您可以重建路径。 Triangular PV-Tables 是为此目的优化的数据结构。

如果您的搜索使用transposition table，更简单的方法是从根位置开始并在转置表中查找最佳移动。然后进行该动作并重复（查找最佳动作，做出最佳动作，再次查找等），直到游戏结束或找不到条目。最后，所采取的行动是主要的变化。

转置表方法不像显式跟踪主要变化那样精确，但它易于实现并且在搜索期间不会增加开销。

【讨论】：

澄清一下，转置表会增加大量开销（如果使用 Zobrist 散列，则更少）。但是，这个成本通常远远超过搜索树大小的减小。
@NathanS。真的。 “无开销”假设搜索已经使用了转置表，但到目前为止，我还没有看到没有转置表的优化 Alpha Beta 搜索。至少在国际象棋中，每个引擎都使用它，主要是为了改进移动顺序。我认为其他类似游戏（例如黑白棋）也是如此。
@PhillipClaßen 非常正确 - 唯一不会使用换位表的游戏是换位很少的游戏。