我已经实现了带有 alpha-beta 剪枝的极小极大算法。为了获得最佳着法,我用 rootAlphaBeta
调用 alpha-beta 算法。功能。然而,在 rootAlphaBeta
功能,我发现了一些非常奇怪的行为。当我调用 rootAlphaBeta
功能与 ply
4,它发出大约 20 000 个调用,但是当我调用 alphaBeta
直接运行,它只进行大约 2000 次调用。我似乎找不到问题所在,因为调用次数应该相同。
两种算法最终找到的走法应该是一样的吧?我想是的,至少这一步的分数是一样的,我不知道这一步alphaBeta
当我没有 rootAlphaBeta
直接调用它时选择.
def alphaBeta(self, board, rules, alpha, beta, ply, player):
"""Implements a minimax algorithm with alpha-beta pruning."""
if ply == 0:
return self.positionEvaluation(board, rules, player)
move_list = board.generateMoves(rules, player)
for move in move_list:
board.makeMove(move, player)
current_eval = -self.alphaBeta(board, rules, -beta, -alpha, ply - 1,
board.getOtherPlayer(player))
board.unmakeMove(move, player)
if current_eval >= beta:
return beta
if current_eval > alpha:
alpha = current_eval
return alpha
def rootAlphaBeta(self, board, rules, ply, player):
"""Makes a call to the alphaBeta function. Returns the optimal move for a
player at given ply."""
best_move = None
max_eval = float('-infinity')
move_list = board.generateMoves(rules, player)
for move in move_list:
board.makeMove(move, player)
current_eval = -self.alphaBeta(board, rules, float('-infinity'),
float('infinity'), ply - 1,
board.getOtherPlayer(player))
board.unmakeMove(move, player)
if current_eval > max_eval:
max_eval = current_eval
best_move = move
return best_move
最佳答案
您的 rootAlphaBeta
不会更新 alpha
值。当它可以缩小除第一个子节点之外的所有子节点的范围时,它会使用完整范围的 (-inf, inf) 调用其所有子节点。这样可以避免剪掉一些对最终分数没有影响的分支,增加节点数。
关于python - 实现 alpha-beta 修剪算法时函数中的奇怪行为,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12569392/