麻省理工公开课06、搜索：博弈、极小化极大、α-β

06 搜索：博弈、极小化极大、$\alpha$-$\beta$

如何让计算机下象棋？

1、分析 策略 战术——>移动（目前没有计算机能做到）

2、if-then rules

3、向前看并且评估（下面三步棋哪一个是最好的）

棋盘上的特征：静态值（没有探索后面可能会发生什么）

评估方法：线性计分多项式

4、大英博物馆算法

branching factor b 分支因子b

depth d 深度 d

末端数量：$b^d$

太多了，指数级的

5、实际做法：尽量往前看 ——极小化极大

极小化极大 minimax

max：我期望的

min：对手期望的

我下一步，对手下一步。无论我走哪一步，对手都希望是最小值，我们的目的是在对手想把我们最小化的背景下，将自己最大化。

$\alpha$-$\beta$算法

对极小化极大的改进，会将搜索树的很大一部分分支（不可能被采用的分支）剪掉，优化算法运行速度。

这个节点的信息表max不会选择右边那条路。

深层剪枝：远端枝干与最上层的决策比较，依然可以作为剪枝的理由。

可以节省很多运算空间，能用的话一定要用

逐步深入 progressive deepening

每一层都算的计算成本和只计算最后一层差不多。所以可以通过计算b-1层，来避免对b层的计算。

在每次迭代中，算法会限制搜索的最大深度，并在该深度范围内进行深度优先搜索。如果在当前深度限制下没有找到解决方案，则增加深度限制并重新开始搜索。

anytime algorithms 随时算法：能够在有限时间内提供部分结果的算法，随着计算资源（如时间）的增加，结果的准确性会逐步提高。

DeepBlue 深蓝

深蓝就是minimax+α-β+progressive depending+一些其他的优化，结果的准确性会逐步提高。