在Minimax中实现Alpha-Beta

Question

我试图在我的极小值中添加阿尔法贝塔修剪，但我不明白我哪里出错了。

目前，我正在经历5000次迭代，根据一个朋友的说法，我应该经历大约16000次迭代。当选择第一个位置时，它返回-1（一个损失），而它应该能够在这一点上肯定返回0（一个平局），因为它应该能够从一个空的棋盘中抽签，但是我看不到我哪里出错了，因为我跟着我的代码走似乎没问题

奇怪的是，如果我在我的检查中切换返回α和β（以实现返回0），计算机将尝试绘制，但永远不会启动任何获胜的动作，只有块

我的逻辑流程

如果我们在寻找阿尔法：如果分数

如果我们在找β：如果分数

这是我的递归调用

int MinimaxAB(TGameBoard* GameBoard, int iPlayer, bool _bFindAlpha, int _iAlpha, int _iBeta) 
{

    //How is the position like for player (their turn) on iGameBoard?
    int iWinner = CheckForWin(GameBoard);
    bool bFull = CheckForFullBoard(GameBoard);

    //If the board is full or there is a winner on this board, return the winner
    if(iWinner != NONE || bFull == true) 
    {
        //Will return 1 or -1 depending on winner
        return iWinner*iPlayer;
    }

    //Initial invalid move (just follows i in for loop)
    int iMove = -1;
    //Set the score to be instantly beaten
    int iScore = INVALID_SCORE;

    for(int i = 0; i < 9; ++i)
    {
        //Check if the move is possible
        if(GameBoard->iBoard[i] == 0) 
        {
            //Put the move in
            GameBoard->iBoard[i] = iPlayer;

            //Recall function
            int iBestPositionSoFar = -MinimaxAB(GameBoard, Switch(iPlayer), !_bFindAlpha, _iAlpha, _iBeta);

            //Replace Alpha and Beta variables if they fit the conditions - stops checking for situations that will never happen
            if (_bFindAlpha == false)
            {
                if (iBestPositionSoFar < _iBeta)
                {
                    //If the beta is larger, make the beta smaller
                    _iBeta = iBestPositionSoFar;
                    iMove = i;

                    if (_iAlpha >= _iBeta)
                    {
                        GameBoard->iBoard[i] = EMPTY;

                        //If alpha and beta are overlapping, exit the loop
                        ++g_iIterations;
                        return _iBeta;

                    }
                }
            }
            else
            {
                if (iBestPositionSoFar > _iAlpha)
                {
                    //If the alpha is smaller, make the alpha bigger
                    _iAlpha = iBestPositionSoFar;
                    iMove = i;

                    if (_iAlpha >= _iBeta)
                    {
                        GameBoard->iBoard[i] = EMPTY;

                        //If alpha and beta are overlapping, exit the loop
                        ++g_iIterations;
                        return _iAlpha;
                    }
                }
            }

            //Remove the move you just placed
            GameBoard->iBoard[i] = EMPTY;
        }
    }


    ++g_iIterations;

    if (_bFindAlpha == true)
    {
        return _iAlpha;
    }
    else
    {
        return _iBeta;
    }
}

初始呼叫（计算机应选择位置时）

int iMove = -1; //Invalid
int iScore = INVALID_SCORE;

for(int i = 0; i < 9; ++i) 
{
    if(GameBoard->iBoard[i] == EMPTY) 
    {
        GameBoard->iBoard[i] = CROSS;
        int tempScore = -MinimaxAB(GameBoard, NAUGHT, true, -1000000, 1000000);
        GameBoard->iBoard[i] = EMPTY;

        //Choosing best value here
        if (tempScore > iScore)
        {
            iScore = tempScore;
            iMove = i;
        }
    }
}
//returns a score based on Minimax tree at a given node.
GameBoard->iBoard[iMove] = CROSS;

任何关于我的逻辑流程的帮助都会使计算机返回正确的结果并做出明智的动作，我们将不胜感激

Answer 1

您的算法在没有alpha-beta修剪的情况下是否能完美工作？对于\u bFindAlpha，您的初始调用应该使用false进行，因为根节点的行为类似于alpha节点，但看起来这不会有什么不同：

int tempScore = -MinimaxAB(GameBoard, NAUGHT, false, -1000000, 1000000);

因此，我建议您放弃这个\u bFindAlpha废话，将您的算法转换为negamax。它的行为与minimax相同，但使代码更短、更清晰。不必检查是最大化alpha还是最小化beta，您可以在递归调用时交换和求反（这与您现在可以返回函数的求反值的原因相同）。以下是维基百科伪代码的略加编辑的版本：

function negamax(node, α, β, player)
    if node is a terminal node
        return color * the heuristic value of node
    else
        foreach child of node
            val := -negamax(child, -β, -α, -player)
            if val ≥ β
                return val
            if val > α
                α := val
        return α

除非您喜欢单步搜索树，否则我认为您会发现编写干净、正确的negamax版本比调试当前实现更容易。