Alpha-Beta搜索算法代码很简短，但介绍其原理的文章却很长。本着抓住本质、紧握核心的精神，记录下自己对Alpha-Beta搜索的理解。
在进行Alpha-Beta搜索前，需要有一个棋局优劣判断函数，一般以棋子权重为基础。为了尽可能反映出对弈双方局势优劣，在兼顾效率的前提下，还可以加入其它一些考虑因素。假设用a来表示红棋分值，用b来表示黑棋分值，那么a-b就是红棋的优势，而b-a则是黑棋的优势。这两个值互为相反数，这一点可以巧妙应用在Alpha-Beta搜索中。
棋类游戏的搏弈树具备下面两个特点：
1. 父结点分值等于最大子节点分值的相反数
比如红棋走了一步后其优势为2，接下来黑棋有4种应对走法，黑棋取得的优势分别是-1、0、1，3。那么不难理解，与前面的2分相比，后面的-max(-1,0,1,3) = -3 更能准确反映出红棋这一步的优劣。同样道理，黑棋的4个分值也可再递归下去,层数越多，越能精确反映着法的优劣。
2. 由于采用了max方法，所以一组着法中只有得分最大那个有用。如果能确定某个着法得分不如它的兄弟高，那么它就是无用的，可以被剪裁掉。
如上图所示，B1点得分为-5，根据递归搜索原理，在搜索B2点时，会先搜索C4点，C4点得分为6，这就意味着B2点的得分小于-6，也就是说可以确定B２点分值不如B１点高，那么B２点就没用了，没必要再搜索C５和C６点。
综上所述，行棋双方已搜索到的最高分值可作为剪枝的参照。Alpha是走棋方已搜索到的最高分值，Beta值取决于对手已搜索到的最高分值。Alpha和Beta在本质上是一样的，随着层次的递深，它们的角色也在不断互换。
下面是取自中国象棋百科全书中的伪码：
int AlphaBeta(int depth, int alpha, int beta) {
if (depth == 0) {
return Evaluate();//开头提到的局势优劣判断方法
}
GenerateLegalMoves();
while (MovesLeft()) {
MakeNextMove();
val = -AlphaBeta(depth - 1, -beta, -alpha);
UnmakeMove();
if (val >= beta) {
return beta;
}
if (val > alpha) {
alpha = val;
}
}
return alpha;
}
Alpha是走棋方已搜索到的最高分值，Beta则是对方已搜索到最高分值的相反数。
假设我们现在要用这个方法搜索B2点，那么传递给它的Beta值就是5，可作为剪枝的依据。
搜索C8点时，传递的Alpha值是5，这样到了搜索D1点时，传递的Beta值就是-5，如果D1得分超过-5，就意味着D2和D3无需再搜索了。查看上图，确实如此。
参考：