使用alpha-beta剪枝返回不同值的minimax算法

Question

我在写国际象棋的最小化算法。

对于不带alpha-beta修剪的minimax和带alpha-beta修剪的minimax，我得到了不同的最终结果值。

下面是我的伪代码。有人能帮我吗？

极小极大（）

public int miniMax(int depth, Board b, boolean maxPlayer) {
    if(depth == 0)
        return evaluateBoard(b);
    if(maxPlayer) {
        int bestMoveVal = 0;  
        for( each Max player's moves) {
            // make a move on a temp board
            int eval = miniMax(depth - 1, tempBoard, false);
            bestMoveVal = Math.max(bestMoveVal, eval);
        }
        return bestMoveVal;
    }
    else {
        int bestMoveVal = 0; 
        for (each Min player's moves) {
            // make a move on a temp board. 
            int eval = miniMax(depth - 1, tempBoard, true);
            bestMoveVal = Math.max(bestMoveVal, eval);
        }
        return bestMoveVal;
    }
}

αβ（）

public int alphabeta(int depth, Board b, int alpha, int beta, boolean maxPlayer) {
        if(depth == 0)
            return evaluateBoard(b);
        if(maxPlayer) {
            for(each max player's moves) {
                // make a move on a temp board
                int eval = alphabeta(depth - 1, temp, alpha, beta, false);
                alpha = Math.max(alpha, eval);
                if(beta <= alpha) //beta cut off;
                    break;
            }
            return alpha;
        }
        else {
            for(each of min's moves) {
                // make a move on a temp board
                int eval = alphabeta(depth - 1, temp, alpha, beta, false);
                beta = Math.min(beta, eval);
                if(beta <= alpha)
                    break; // alpha cut off;
            }
            return beta;
        }
    }

董事会代表董事会。对于每一次移动，我都在传递的董事会对象的副本上移动，然后将这个临时董事会传递给进一步的调用。

evaluateBoard（董事会b）接收董事会并根据给定董事会情景计算分数。

Answer 1

代码中的一个大问题是alphabeta不是递归的，因为它应该是递归的。它调用MiniMax。

alphabeta中的递归调用应该调用alphabeta，否则它是根本错误的。也就是说，alpha-beta修剪应用于每个深度级别，而不仅仅是顶层。

在minMax函数中，您有bestMoveVal=Math。最大值（最佳移动值、评估值） 用于最小化和最大化玩家。