維基百科

Alpha-beta剪枝

Alpha-beta剪枝是一種搜索算法，用以減少極小化極大算法（Minimax算法）搜索樹的節點數。這是一種對抗性搜索算法，主要應用於機器遊玩的二人遊戲（如井字棋、象棋、圍棋）。當算法評估出某策略的後續走法比之前策略的還差時，就會停止計算該策略的後續發展。該算法和極小化極大算法所得結論相同，但剪去了不影響最終決定的分枝[1]。

歷史

Allen Newell和Herbert A. Simon在1958年，使用了John McCarthy所謂的「近似」alpha-beta算法[2]，此算法當時「應已重新改造過多次」[3]。亞瑟·李·塞謬爾（Arthur Samuel）有一個早期版本，同時Richards、Hart、Levine和/或Edwards在美國分別獨立發現了alpha-beta[4]。McCarthy在1956年達特默思會議上提出了相似理念，並在1961年建議給他的一群學生，其中包括MIT的Alan Kotok[5]。Alexander Brudno獨立發現了alpha-beta算法，並在1963年發布成果[6]。Donald Knuth和Ronald W. Moore在1975年優化了算法[7][8]，Judea Pearl在1982年證明了其最優性[9]。

對原版極小化極大算法的改進

Alpha-beta的優點是減少搜索樹的分枝，將搜索時間用在「更有希望」的子樹上，繼而提升搜索深度。該算法和極小化極大算法一樣，都是分支限界類算法。若節點搜索順序達到最優化或近似最優化（將最佳選擇排在各節點首位），則同樣時間內搜索深度可達極小化極大算法的兩倍多。

在（平均或恆定）分枝因子為b，搜索深度為d層的情況下，要評估的最大（即招法排序最差時）葉節點數目為O(b*b*...*b) = O(bd)——即和簡單極小化極大搜索一樣。若招法排序最優（即始終優先搜索最佳招法），則需要評估的最大葉節點數目按層數奇偶性，分別約為O(b*1*b*1*...*b)和O(b*1*b*1*...*1)（或O(bd/2) = O(√bd)）。其中層數為偶數時，搜索因子相當於減少了其平方根，等於能以同深度搜索兩次[10]。b*1*b*1*...意義為，對第一名玩家必須搜索全部招法找到最佳招式，但對於它們，只用將第二名玩家的最佳招法截斷——alpha-beta確保無需考慮第二名玩家的其他招法。但因節點生成順序隨機，實際需要評估的節點平均約為O(b3d/4)[2]。

一般在alpha-beta中，子樹會由先手方優勢或後手方優勢暫時占據主導。若招式排序錯誤，這一優勢會多次切換，每次讓效率下降。隨着層數深入，局面數量會呈指數性增長，因此排序早期招式價值很大。儘管改善任意深度的排序，都以能指數性減少總搜索局面，但排序臨近根節點深度的全部局面相對經濟。在實踐中，招法排序常由早期、小型搜索決定，如通過迭代加深。

算法使用兩個值alpha和beta，分別代表大分玩家放心的最高分，以及小分玩家放心的最低分。alpha和beta的初始值分別為正負無窮大，即雙玩家都以可能的最低分開始遊戲。在選擇某節點的特定分枝後，可能發生小分玩家放心的最小分小於大分玩家放心的最大分（beta <= alpha）。這種情況下，父節點不應選擇這個節點，否則父節點分數會降低，因此該分枝的其他節點沒有必要繼續探索。

偽代碼

下面為一有限可靠性版本的Alpha-beta剪枝的虛擬代碼[10]： 

 function alphabeta(node, depth, α, β, maximizingPlayer) // node = 节点，depth = 深度，maximizingPlayer = 大分玩家
     if depth = 0 or node是终端節點
         return 節點的啟發值
     if maximizingPlayer
         v := -∞
         for 每个子節點
             v := max(v, alphabeta(child, depth - 1, α, β, FALSE)) // child = 子節點
             α := max(α, v)
             if β ≤ α
                 break // β裁剪
         return v
     else
         v := ∞
         for 每个子節點
             v := min(v, alphabeta(child, depth - 1, α, β, TRUE))
             β := min(β, v)
             if β ≤ α
                 break // α裁剪
         return v

(* 初始調用 *)
alphabeta(origin, depth, -∞, +∞, TRUE) // origin = 初始節點

在這個有限可靠性的alpha-beta中，當v超出調用參數α和β構成的集合時（v < α或v > β），alphabeta函數返回值v。而與此相對，強化的有限可靠性alpha-beta限制函數返回在α與β包括範圍中的值。

參考文獻

  1. ^ Russell, Stuart J.; Norvig, Peter. Artificial Intelligence: A Modern Approach 3rd. Upper Saddle River, New Jersey: Pearson Education, Inc. 2010: 167 [2016-02-05]. ISBN 0-13-604259-7. （原始內容存檔於2011-02-28）. 
  2. ^ 2.0 2.1 McCarthy, John. Human Level AI Is Harder Than It Seemed in 1955. LaTeX2HTML 27 November 2006 [2006-12-20]. （原始內容存檔於2012-04-08）. 
  3. ^ Newell, Allen and Herbert A. Simon. Computer Science as Empirical Inquiry: Symbols and Search (PDF). Communications of the ACM. March 1976, 19 (3) [2006-12-21]. doi:10.1145/360018.360022. （原始內容 (PDF)存檔於2007-06-28）. 
  4. ^ Edwards, D.J. and Hart, T.P. The Alpha–beta Heuristic (AIM-030). Massachusetts Institute of Technology. 4 December 1961 to 28 October 1963 [2006-12-21]. （原始內容存檔於2012-04-08）. 
  5. ^ Kotok, Alan. MIT Artificial Intelligence Memo 41. 2004-12-03 [2006-07-01]. （原始內容存檔於2012-04-08）. 
  6. ^ Marsland, T.A.. Computer Chess Methods (PDF) from Encyclopedia of Artificial Intelligence. S. Shapiro (editor) (PDF). J. Wiley & Sons: 159–171. May 1987 [2006-12-21]. （原始內容 (PDF)存檔於2008-10-30）. 
  7. ^ * Knuth, D. E., and Moore, R. W. An Analysis of Alpha–Beta Pruning (PDF). Artificial Intelligence. 1975, 6 (4): 293–326. doi:10.1016/0004-3702(75)90019-3. [永久失效連結] Reprinted as Chapter 9 in Knuth, Donald E. Selected Papers on Analysis of Algorithms. Stanford, California: Center for the Study of Language and Information - CSLI Lecture Notes, no. 102. 2000 [2016-02-05]. ISBN 1-57586-212-3. OCLC 222512366. （原始內容存檔於2010-11-15）. 
  8. ^ Abramson, Bruce. Control Strategies for Two-Player Games (PDF). ACM Computing Surveys. June 1989, 21 (2): 137 [2008-08-20]. doi:10.1145/66443.66444. （原始內容 (PDF)存檔於2008-08-20）. 
  9. ^ Pearl, Judea. The Solution for the Branching Factor of the Alpha–beta Pruning Algorithm and its Optimality. Communications of the ACM. August 1982, 25 (8): 559–564. doi:10.1145/358589.358616. 
  10. ^ 10.0 10.1 Russell, Stuart J.; Norvig, Peter, Artificial Intelligence: A Modern Approach 2nd, Upper Saddle River, New Jersey: Prentice Hall, 2003 [2016-02-05], ISBN 0-13-790395-2, （原始內容存檔於2011-02-28） 

外部連結

取自「https://zh.wikipedia.org/w/index.php?title=Alpha-beta剪枝&oldid=76085163」