实践中的最佳优先与深度优先极小化极大搜索
人工智能
2015-05-08 v1
摘要
大多数从业者使用 Alpha-Beta 算法（一种简单的深度优先过程）的变体来搜索极小化极大树。SSS* 凭借其最佳优先搜索策略，据称提供了更高效搜索的潜力。然而，该算法复杂的公式及其所谓的过高内存需求阻碍了它在实际中的使用。二十年来，“智能”最佳优先 SSS* 的搜索效率一直令“笨拙”深度优先 Alpha-Beta 的有效性受到质疑。本文提出了一个调用 Alpha-Beta 的简单框架，使我们能够创建多种算法，包括 SSS* 和 DUAL*。实际上，我们利用深度优先搜索构建了一个最佳优先算法。在此框架下，SSS* 只是 Alpha-Beta 的一个特例，解决了该算法所有被认为的缺陷。在实践中，Alpha-Beta 变体通常比 SSS* 评估更少的节点。该框架的一个新实例 MTD(f) 优于 SSS* 和 NegaScout（从业者首选的 Alpha-Beta 变体）。
引用
@article{arxiv.1505.01603,
title = {Best-First and Depth-First Minimax Search in Practice},
author = {Aske Plaat and Jonathan Schaeffer and Wim Pijls and Arie de Bruin},
journal= {arXiv preprint arXiv:1505.01603},
year = {2015}
}
备注
Computer Science in the Netherlands 1995. arXiv admin note: text overlap with arXiv:1404.1515