Minimax 算法的优点/缺点
Minimax Algorithm Advantages / Disadvantages
A disadvantage of the minimax algorithm is that each board state has
to be visited twice: one time to find its children and a second time
to evaluate the heuristic value.
极小极大算法还有其他缺点或优点吗？比如说像国际象棋这样的游戏，会有更好的选择吗？ （当然是带有 alpha-beta 剪枝的 minimax，还有其他吗？）
Minimax 对于国际象棋等游戏来说往往太慢了。对于每一轮，玩家都有很多选择要决定，一局棋的 分支因素 是巨大的，因此我们走得越深，速度就越慢。平均而言，国际象棋的分支因子趋向于30。即每回合创建30个子树。
在给出具体算法之前，他们都使用了我们所说的alpha beta pruning。 Alpha beta 减少了要扩展的节点数，因此我们减少了分支因子。
请记住，minimax 和 alpha beta 有许多不同的变体，但最重要的算法是：
- Negamax: 这里的想法是，一个玩家的移动分数总是另一个玩家的 -ve 但相同的幅度允许你计算 max(a, b) = -min(-a,-b)。
简单解读：
score = -negamax(depth-1,-player)
best = max(score,best)
Window搜索算法
以下算法使用 window 以减少搜索 space。
window 最初会假定 alpha 和 beta 的值。
主要变化方法：该方法减少了"guessing"初始alpha和beta访问的节点数。为此，它仅探索一个分支并选择 candidate 值。使用这个值我们修剪。如果我们发现一个矛盾，这个值比我们再次开始改变候选人的候选人产生更高的分数。
MTD(f) minimax 的另一种变体。使用零 Window 搜索。这意味着，在我们找到候选者（比如 "v"）之后，我们假设 alpha beta 值为 (v-1,v) 因此只有 v 是可能的解决方案。如果我们发现矛盾，则更改候选人并重复。
当今国际象棋计算机程序最好和最常用的算法是 MTD(f) 和一些 variations/heuristics。
来源：Converting Minimax to Negamax (python)
A disadvantage of the minimax algorithm is that each board state has to be visited twice: one time to find its children and a second time to evaluate the heuristic value.
极小极大算法还有其他缺点或优点吗？比如说像国际象棋这样的游戏，会有更好的选择吗？ （当然是带有 alpha-beta 剪枝的 minimax，还有其他吗？）
Minimax 对于国际象棋等游戏来说往往太慢了。对于每一轮，玩家都有很多选择要决定，一局棋的 分支因素 是巨大的，因此我们走得越深，速度就越慢。平均而言，国际象棋的分支因子趋向于30。即每回合创建30个子树。
在给出具体算法之前，他们都使用了我们所说的alpha beta pruning。 Alpha beta 减少了要扩展的节点数，因此我们减少了分支因子。
请记住，minimax 和 alpha beta 有许多不同的变体，但最重要的算法是：
- Negamax: 这里的想法是，一个玩家的移动分数总是另一个玩家的 -ve 但相同的幅度允许你计算 max(a, b) = -min(-a,-b)。
简单解读：
score = -negamax(depth-1,-player)
best = max(score,best)
Window搜索算法
以下算法使用 window 以减少搜索 space。 window 最初会假定 alpha 和 beta 的值。
主要变化方法：该方法减少了"guessing"初始alpha和beta访问的节点数。为此，它仅探索一个分支并选择 candidate 值。使用这个值我们修剪。如果我们发现一个矛盾，这个值比我们再次开始改变候选人的候选人产生更高的分数。
MTD(f) minimax 的另一种变体。使用零 Window 搜索。这意味着，在我们找到候选者（比如 "v"）之后，我们假设 alpha beta 值为 (v-1,v) 因此只有 v 是可能的解决方案。如果我们发现矛盾，则更改候选人并重复。
当今国际象棋计算机程序最好和最常用的算法是 MTD(f) 和一些 variations/heuristics。
来源：Converting Minimax to Negamax (python)