alpha-beta剪枝

---

http://ajstar.blog.163.com/blog/static/1742348392011127361941/

α-β算法

“α-β算法”与“最小-最大”很类似，“最小-最大”的弊端是运行时要查找整个树，每次搜索一层，树的大小成指数级增长。
在一些棋类游戏中，用“最小-最大算法”来遍历所有的走法的话，棋类越复杂所需要考虑的局面越多，那么没增加一层，成指数级增长的“最小-最大算法”很快就不行了。所以“最小-最大算法”不可能做到很深的搜索，有效的分支太多了。

α-β算法的思想

假设你有了一个不太坏的选择A，当你要做别的选择时，你知道它没有A好，那么你就不必要知道它到底有多坏。有了一个当前最好的选择，那么只要没有这个选择好的都是坏的，不必要去追究它到底有多坏，可以直接抛弃它。
在搜索中传递两个值，第一个值是α，即搜索到的最好值，任何比它更小的值就没用了，因为策略就是知道α的值，任何小于或等于α的值都不会有所提高。 第二个值是β，即对于对手来说最坏的值。这是对手所能承受的最坏的结果，因为我们知道在对手看来，他总是会找到一个对策不比β更坏的。如果搜索过程中返回β或比β更好的值，那就够好的了，走棋的一方就没有机会使用这种策略了。

例子

比如，一个人有横多口袋，每个口袋里有好坏不一的各种东西。现在，你需要从这些口袋里选出最好的。规则是你选口袋，口袋拥有者选择口袋中的东西，当然他不希望你拿走好东西，他一定会给你你选择的口袋中最坏的东西。
那么现在的问题就成了，你要挑选“最好的最差的”口袋的东西。
很明显，“最小最大算法“可以做出正确的选择，如果你确切知道每个口袋中每个物品的价值（遍历了整棵树）。但前面已经说过了，这样做效率不高，你需要花很长时间。那么我们要着眼更高效。
我们从第一个口袋开始，第一个口袋中你发现有一块面包和一把小汽车的钥匙。很明显，小汽车钥匙比面包好，但是你不可能得到它，因为口袋的拥有者有选择物品的权利，按照游戏规则他会给你这块面包。那么现在汽车钥匙就无关紧要了，不需要为知道汽车钥匙有多好，而去比较所有东西。
现在看第二个口袋，发现里面有一百块钱和五十块钱，你发现都比你的好，最差的比当前最好的好，那么这个口袋就是你的选择，因为这是你可以得到五十块钱，而一百块是无关紧要的。
第三个口袋，发现第一件东西是一本书，你认为比面包好但比五十块钱差，那么继续往下一个东西看有没有比五十块钱好的，结果发现下一件是一块口香糖，那么果断放弃这个口袋。

算法总结

可以看出，α-β算法的效率更高。
如果某个着法的结果小于或等于α，那么它就是很差的着法，因此可以抛弃。因为我前面说过，在这个策略中，局面对走棋的一方来说是以α为评价的。
如果某个着法的结果大于或等于β，那么整个结点就作废了，因为对手不希望走到这个局面，而它有别的着法可以避免到达这个局面。因此如果我们找到的评价大于或等于β，就证明了这个结点是不会发生的，因此剩下的合理着法没有必要再搜索。
那么最后的结果会是一个大于α小于β的值，这个是双方都能接受的。

---

另一个极好的举例讲解：

http://blog.csdn.net/tangchenyi/article/details/22925957