如何通過alpha beta修剪實現迭代加深

Question

我正在編寫一個程序來播放點和框，並且我想通過在迭代深化方案中基於它們的啓發式值來訂購我在alphaBeta中考慮的動作來提高我的時間效率。本質上，我想進入搜索樹，每次迭代增加深度，並用alphaBeta評估每個節點。在每次連續迭代中，我認爲節點的順序將由先前迭代中的節點的啓發式值決定。但是，我無法理解這將如何實施。有人可以提供一個標準alphaBeta程序如何使用迭代加深進行搜索的僞代碼？謝謝！

Answer 1

那麼，Iterative Deepening是不是很難實現。如果你已經有一個函數來執行搜索，姑且稱之爲alphaBetaAtRoot，其執行與固定的距離搜索，你只需要調用它反覆，從距離1：

for(int distance = 1; distance < MAX_DISTANCE && !outOfTime(); distance++) { 
    bestmove = alphaBetaAtRoot(position, distance); 
} 
play(bestmove); 

什麼是重要的，雖然是你實施了一個Transposition Table。否則，您不會從更好的移動排序中受益，因爲每次搜索都只是從零知識開始。

Answer 2

我發現了以下鏈接：https://github.com/nealyoung/CS171/blob/master/AI.java 我希望能幫到你。