Artificial intelligence 缓存可以用于alpha-beta搜索算法吗？

我正在研究一个极小极大的tic-tac-toe算法。我让它工作得很好，缓存树中的每个状态

然后我实施了alpha-beta修剪，这似乎影响了游戏。我认为问题在于，如果节点的任何子节点、子节点、孙子节点等被删除，节点就不能被信任。这是真的吗

---

现在，我只缓存没有修剪后代的状态。图中显示的是我的点，而不是tic-tac-toe。最大玩家是向上的三角形，应该选择左边的移动。但是，如果在alpha-beta修剪过程中缓存了右侧的移动，则红色三角形的值将为4，因此右侧的移动将被错误选择。

如果缓存指的是换位表，则不能始终信任换位表中的值。也就是说，当您在转置表中存储一个值时，您还需要存储alpha和beta值，可能是该状态下用于搜索的深度。如果alpha和beta值不相同*，则不能使用转置表中的值

*实际上，它们不必完全相同，表只需要具有包含当前节点上使用的值的超集的值，您要用缓存的值替换这些值

编辑：在大型游戏中处理此问题的其他信息。在节点上搜索时，最终值上有一个下限alpha和上限beta。如果返回值介于alpha和beta之间，则您知道它是状态的真实值。如果它等于alpha或beta，那么您知道它只是最终值的一个界。但是，您仍然可以使用这些信息来帮助搜索

特别是，假设您在当前搜索中有alpha=10和beta=20，并且转置表中的值为[alpha=12，beta=30，value=12]。然后，当您在分支下方重新搜索时，可以使用alpha=10和beta=12的边界进行搜索

---

这是因为你已经证明了价值在于感谢！我和我的教练提过，他说了类似的话。