个人对Alpha-Beta搜索算法的理解

Alpha-Beta是对Max-Min搜索的剪枝。
那么Max-Min究竟是什么呢？
这个Max-Min算法可以应用于很多棋类游戏，例如五子棋。

博弈树

五子棋很明显的一个特点就是，你将尽最大努力在横竖斜方向使五个棋子连续排在一起，而你的对手将对你穷追堵截，最后谁先达到目标谁就获胜。
棋类游戏都有一个特点，你下一手，我下一手，那么如何使我下的每一手棋都是最优呢？枚举。
枚举出现在棋盘上我能下的每一手棋，在我下的每一手棋的基础上再去穷举对手的所有下法。。。如此下去，再由结果重新回溯至当前棋盘，就能知道当前棋盘的最优步。在这个枚举的过程中，一个棋盘衍生出N个棋盘，N个棋盘再衍生，这就是一个N叉树，也就是一颗博弈树。在每个棋盘当中，我们先规定有个分值，对应于这幅棋盘，对于我方而言，自然是分值越高，棋面越优。至于如何计算这个分值，这个过程就叫评估函数，这里暂且不提，每个棋类游戏的评估函数都不同。我们先假设我们已经有了每个棋盘所对应的分值，那么接下来的任务就是从博弈树中找到我们想要的分值。

Max-Min搜索

AB两个选手下棋，以A为思考对象，肯定想要使得棋面分数尽量地高，但对B而言，恰好相反。即矩形节点每次都想从子节点中取得极大值，而圆形节点则每次想从子节点中取得极小值。如下图代表下棋过程各个棋面的变化过程，假设已经知道了叶子节点棋盘的各分值，计算出根节点的分值应该不难，4B1=Min(3,17)=3，4B2=Min(2,12)=2，