Question

我有一个alpha-beta修剪的基本实现，但我不知道如何改进移动顺序。我已经读过可以通过浅搜索，迭代加深或将bestMoves存储到转换表来完成。

有关如何在此算法中实施这些改进之一的任何建议吗？

 public double alphaBetaPruning(Board board, int depth, double alpha, double beta, int player) {
    if (depth == 0) {
        return board.evaluateBoard();
    }

    Collection<Move> children = board.generatePossibleMoves(player);
    if (player == 0) {
        for (Move move : children) {
            Board tempBoard = new Board(board);
            tempBoard.makeMove(move);
            int nextPlayer = next(player);
            double result = alphaBetaPruning(tempBoard, depth - 1, alpha,beta,nextPlayer);
            if ((result > alpha)) {
                alpha = result;
                if (depth == this.origDepth) {
                    this.bestMove = move;
                }
            }
            if (alpha >= beta) {
                break;
            }
        }
        return alpha;
    } else {
        for (Move move : children) {
            Board tempBoard = new Board(board);
            tempBoard.makeMove(move);
            int nextPlayer = next(player);
            double result = alphaBetaPruning(tempBoard, depth - 1, alpha,beta,nextPlayer);
            if ((result < beta)) {
                beta = result;
                if (depth == this.origDepth) {
                    this.bestMove = move;
                }
            }
            if (beta <= alpha) {
                break;
            }
        }
        return beta;
    }
}

public int next(int player) {
    if (player == 0) {
        return 4;
    } else {
        return 0;
    }
}

Answer 1

浅层搜索的节点重新排序很简单：计算递归之前状态的每个子项的启发式值检查他们。然后，对这些状态的值进行排序[降序对于最大顶点，并为最小顶点提升]，并递归调用排序列表上的算法。这个想法是 - 如果一个国家擅长浅深度，更有可能擅长深度状态，如果这是真的 - 你会得到更多的修剪。

排序应在之前完成[在[{1}}和if条款中

else
存储动作也很简单 - 许多状态计算两次，当你完成任何状态的计算时，存储它[深度为计算！它是重要的！] for (Move move : children) {。你做的第一件事当你开始计算一个顶点 - 检查它是否已经计算 - 如果是，则返回缓存的值。背后的想法可以从不同的路径到达许多州，所以这个方式 - 您可以消除冗余计算。

改变应该在方法的第一行[类似HashMap] [请原谅我缺乏优雅和效率 - 只是在这里解释一个想法]。
您还应在每个if (cache.contains((new State(board,depth,player)) return cache.get(new State(board,depth,player))声明之前添加cache.put(...)。

Answer 2

首先，我必须了解alpha-beta修剪算法中移动排序背后的原因。 Alpha-beta产生与minimax相同的结果，但在很多情况下可以更快地完成，因为它不会搜索不相关的分支。

并不总是更快，因为它不能保证修剪，如果事实上在更糟糕的情况下它根本不会修剪并且搜索与minimax完全相同的树并且因为a / b值簿记而会更慢。在最好的情况下（最大修剪），它允许同时搜索2倍深的树。对于随机树，它可以在同一时间内深度搜索4/3倍。

移动排序可以通过以下几种方式实现：

你有一位领域专家，他会向你提出哪些动作更好的建议。例如，在棋子的棋子推广中，捕获具有较低价值棋子的高价值棋子是平均良好的动作。在跳棋中，最好在移动中杀死更多的棋子，然后减少检查，最好创建一个女王。所以你的移动生成函数在
您可以获得从评估深度较小的1级位置（您的浅层搜索/迭代深化）的移动有多好的启发式算法。您在深度n-1处计算了评估，对移动进行了排序，然后在深度n处进行了评估。

您提到的第二种方法与移动排序无关。这与评估功能可能很昂贵且许多位置被多次评估的事实有关。为了绕过这个，您可以在计算后将其存储在哈希值中，并在以后重复使用。

Alpha-beta移动排序

2 个答案: