算法的对抗性

① 濡备綍鐞呜В璁＄畻妯″纺镄勪笉瀹氭у规姉锷涚殑褰卞搷

璁＄畻妯″瀷链韬镄勪笉纭瀹氭э纴瀹为檯搴旂敤涓镄勪笉纭瀹氭с
1銆佺敱浜庤＄畻链虹▼搴忕殑绠楁硶涓瀛桦湪镌涓岖‘瀹氭ф垚鍒嗭纴渚嫔傜┓涓惧拰鎼灭储杩囩▼銆佽娉曞垎鏋愮▼搴忎腑镄勫氱嶅彲鑳芥х瓑锛岃繖浜涗笉纭瀹氭ф垚鍒嗕娇寰楄＄畻缁撴灉鍏锋湁澶氱嶅彲鑳斤纴钥屽苟闱炲敮涓纭瀹氱殑缁撴灉銆
2銆佸湪宸ョ▼缁撴瀯椤圭洰涓锛岀敱浜庡奖鍝嶅彲闱犳х殑钖勭嶅洜绱犲瓨鍦ㄧ潃涓嶅畾镐э纴渚嫔傝嵎杞姐佹潗鏂欑瓑镄勪笉纭瀹氭э纴浠ュ强缁撴瀯链韬镄勪笉纭瀹氭х瓑锛岄兘浼氩硅＄畻妯″纺浜х敓褰卞搷銆

② beta剪枝是相对于什么节点而言的

beta剪枝是相对于极大极小节点而言。

Alpha-beta剪枝是一种搜索算法，用以减少极小化极大算法（Minimax算法）搜索树的节点数。这是一种对抗性搜索算法，主要应用于机器游玩的二人游戏（如井字棋、象棋、围棋）。

当算法评估出某策略的后续走法比之前策略的还差时，就会停止计算该策略的后续发展。该算法和极小化极大算法所得结论相同，但剪去了不影响最终决定的分枝。

注意：

Alpha-beta的优点是减少搜索树的分枝，将搜索时间用在“更有希望”的子树上，继而提升搜索深度。该算法和极小化极大算法一样，都是分支限界类算法。若节点搜索顺序达到最佳优化或近似最佳优化（将最佳选择排在各节点首位），则同样时间内搜索深度可达极小化极大算法的两倍多。

在（平均或恒定）分枝因子为b，搜索深度为d层的情况下，要评估的最大（即招法排序最差时）叶节点数目为O(b*b*...*b) =O(b)——即和简单极小化极大搜索一样。若招法排序最优（即始终优先搜索最佳招法），则需要评估的最大叶节点数目按层数奇偶性，分别约为O(b*1*b*1*...*b)和O(b*1*b*1*...*1)（或O(b) =O(√b)）。

其中层数为偶数时，搜索因子相当于减少了其平方根，等于能以同深度搜索两次。b*1*b*1*...意义为，对第一名玩家必须搜索全部招法找到最佳招式，但对于它们，只用将第二名玩家的最佳招法截断——alpha-beta确保无需考虑第二名玩家的其他招法。但因节点生成顺序随机，实际需要评估的节点平均约为O(b)。