Algorithm 如果我们想要最大化收益，那么应该如何扩展树；t为αβ-修剪？

嘿，伙计们，有人知道如何解决这个问题吗？我对如何得到答案感到困惑，有没有视频或任何东西教你如何扩展一棵树

假设你在玩一个轮流零和游戏，对手是一个理性的代理人，你想用两步向前看来决定你的行动。您知道，这个游戏的两步前瞻策略的完整最小最大树将是一个完整的二叉树，如图1所示，假设您可以访问一个启发式函数，该函数将为您提供完整树叶节点值的良好估计（这些估计值也写在图1中）

根据给定的启发式，如果我们想最大化αβ修剪的好处，应该如何扩展树？请按照要访问的边的顺序填写答案。

---

给我的答案是：e1-e4-e10-e9-e3-e8-e2-e6-e13-e14

如果首先评估最好的子节点（从该级别第一人称玩家的角度来看），则Alpha-beta修剪将消除评估中的大部分分支，因此e1在深度1处e2之前，因为e1的分数较高，e4在e3之前，因为我们在该级别上最小化，e10在e9之前（更高分），等等。

好的，是的，我理解你的意思，基于排序，但是什么让它跳过了一些叶子，比如，如果我按照你说的做，是的，我可以提出一个排序，但是是什么让它跳过了一些，让我们假设我们在e1移动后评估节点。如果我们首先评估e4后续移动，则返回4分。我们现在开始评估e3移动游戏树。那里的第一步是e8。从玩家1的角度来看，这个值是5，比我们从e4得到的4要好。玩家2可以通过玩e4来拒绝玩家1在e3之后玩e8的机会，因此不需要评估e3-e7。在这样的浅树上，这似乎不是一个很好的优化，但这将在真实的树上产生巨大的差异，例如在国际象棋中。