Algorithm α-β修剪特例？

我试图理解alpha-beta剪枝算法，但有一个具体的例子我不明白

给定 , 应该是解决办法。 我不明白的是为什么用红色标记的节点的值应该是19。显然，这是一个“特殊情况”，下红色节点中的值为19，因为3<9<10<19（这是alpha的当前值）。这将导致上面的节点也具有值19

---

这对我来说毫无意义，因为这意味着在最右边的子树中有一个值为19的叶子。这完全是错误的，两个节点都应该有值10吗？

这个节点是得到值19（alpha的值）还是10（子节点中最大的值），这取决于不同alpha-beta算法中存在的变量。当最大值小于alpha时，一些算法将分配alpha值，而其他算法将分配较小的值（因此位于alpha-beta窗口之外）。贝塔也发生了类似的事情

无论使用哪种方法，都不会影响最佳移动的选择。alpha-beta窗口的存在表明，任何从下方冒出的、位于alpha-beta窗口之外的值都不重要。现在已经有一种更好的变体了

---

在这种情况下，最佳变体通过根的中间子节点运行。最大化的玩家可以确保至少达到19个。通过将10或19分配给第三个选项，可以得出相同的结论：这不是一个比我们已有的更好的移动。

此节点是否获得值19（alpha的值）或10（子节点中最大的值）取决于不同alpha-beta算法中存在的变体。当最大值小于alpha时，一些算法将分配alpha值，而其他算法将分配较小的值（因此位于alpha-beta窗口之外）。贝塔也发生了类似的事情

无论使用哪种方法，都不会影响最佳移动的选择。alpha-beta窗口的存在表明，任何从下方冒出的、位于alpha-beta窗口之外的值都不重要。现在已经有一种更好的变体了

---

在这种情况下，最佳变体通过根的中间子节点运行。最大化的玩家可以确保至少达到19个。通过给第三个选项指定10或19，可以得出相同的结论：这不是一个比我们已有的更好的移动。

我尝试直接插入图像，但显然我至少需要10个？因为这个案子似乎是个打字错误，还有一件事我不太确定。我发现了似乎给出正确的解决方案，但我不明白为什么在最右边的子树的beta值是19，不应该是10？我试着直接插入图像，但是显然我需要至少10的声誉。因为这个案子似乎是个打字错误，还有一件事我不太确定。我发现了似乎给出正确的解决方案，但我不明白为什么在最右边的子树的beta值是19，它不应该是10吗？但对我来说，这似乎有点违反直觉，因为当将19分配给节点时，树本身似乎不再有意义，因为该节点没有保存值19的子节点。我想这也意味着，如果最小节点的beta值为10，子节点包含值15和20，那么beta值10将被分配给节点本身，因为它是beta值与其子节点值之间的最小可用值？事实上，beta就是这样。这很有意义，谢谢。但对我来说，这似乎有点违反直觉，因为当将19分配给节点时，树本身似乎不再有意义，因为该节点没有保存值19的子节点。我想这也意味着，如果最小节点的beta值为10，子节点包含值15和20，那么beta值10将被分配给节点本身，因为它是beta值与其子节点的值之间的最小可用值？事实上，beta就是这样。