Artificial intelligence 连接4中的Alpha beta

在我将alpha-beta修剪应用于Connect-Four游戏之后，我的minimax算法返回了非常糟糕的移动选择

def get_next_move(board, player, depth, alpha, beta) :
    score = get_score(board, depth)
    if score is not None :
        return score, board
    if depth == 0 :
        return 0, board

    if player is AI :
        best = LOSS
        best_move = None
        possible_moves = get_possible_moves(board, player)

        for move in possible_moves :
            move_score = get_next_move(move, PLAYER, depth-1, alpha, beta)[0]
            if move_score >= best :
                best = move_score
                best_move = move
                alpha = max(alpha, best)
            if alpha >= beta :
                break
        return best, best_move
    else :
        best = WIN
        best_move = None
        possible_moves = get_possible_moves(board, player)

        for move in possible_moves :
            move_score = get_next_move(move, AI, depth-1, alpha, beta)[0]
            if move_score <= best :
                best = move_score
                best_move = move
                beta = min(best, beta)

            if beta <= alpha :
                break
        return best, best_move

def下一步行动（棋盘、玩家、深度、阿尔法、贝塔）：
得分=得分（板、深度）
如果分数不是零：
回击得分
如果深度=0：
返回0，板
如果玩家是AI：
最佳=损失
最佳移动=无
可能的移动=获得可能的移动（棋盘、玩家）
对于可能的移动，请执行以下操作：
移动分数=获得下一个移动（移动，玩家，深度1，阿尔法，贝塔）[0]
如果移动得分>=最佳：
最佳=移动分数
最佳移动=移动
阿尔法=最大值（阿尔法，最佳值）
如果α>=β：
打破
返回最佳，最佳移动
其他：
最佳=胜利
最佳移动=无
可能的移动=获得可能的移动（棋盘、玩家）
对于可能的移动，请执行以下操作：
移动分数=获得下一步移动（移动，人工智能，深度1，阿尔法，贝塔）[0]
如果移动分数，您需要向我们展示
get\u score
和
get\u mably\u moves
功能。您的alpha-beta算法的实现似乎没有任何问题，因此您的启发式可能是问题所在。您需要向我们展示
get_score
和
get_mable_moves
函数。您的alpha-beta算法的实现似乎没有任何问题，因此您的启发式可能是问题所在。