Python 实现alpha-beta修剪算法时函数中的奇怪行为

我用alpha-beta剪枝实现了一个minimax算法。为了获得最佳移动，我使用

rootAlphaBeta

函数调用alpha-beta算法。然而，在

rootAlphaBeta

函数中，我发现了一些非常奇怪的行为。当我调用

rootAlphaBeta

函数的

ply

为4时，它会进行大约20000次调用，但当我直接调用

alphaBeta

函数时，它只会进行大约2000次调用。我似乎找不到问题所在，因为打电话的次数应该是一样的

两种算法最终发现的移动应该是相同的，对吗？我想是的，至少这次移动的分数是一样的，我无法知道

alphaBeta

在没有

rootAlphaBeta

的情况下直接调用时所选择的移动

def alphaBeta(self, board, rules, alpha, beta, ply, player):
    """Implements a minimax algorithm with alpha-beta pruning."""
    if ply == 0:
        return self.positionEvaluation(board, rules, player)

    move_list = board.generateMoves(rules, player)
    for move in move_list:
        board.makeMove(move, player)
        current_eval = -self.alphaBeta(board, rules, -beta, -alpha, ply - 1,
                                       board.getOtherPlayer(player))
        board.unmakeMove(move, player)

        if current_eval >= beta:
            return beta

        if current_eval > alpha:
            alpha = current_eval

    return alpha


def rootAlphaBeta(self, board, rules, ply, player):
    """Makes a call to the alphaBeta function. Returns the optimal move for a 
    player at given ply."""
    best_move = None
    max_eval = float('-infinity')

    move_list = board.generateMoves(rules, player)
    for move in move_list:
        board.makeMove(move, player)
        current_eval = -self.alphaBeta(board, rules, float('-infinity'),
                                       float('infinity'), ply - 1,
                                       board.getOtherPlayer(player))
        board.unmakeMove(move, player)

        if current_eval > max_eval:
            max_eval = current_eval
            best_move = move

    return best_move

---

您的

rootAlphaBeta

不会更新

alpha

值。当它可以缩小除第一个子节点以外的所有子节点的范围时，它调用其全部范围为（-inf，inf）的子节点。这将防止修剪某些对最终分数没有影响的分支，并增加节点数