Kunstig Intelligens til Brætspillet Taiji - Danmarks Tekniske Universitet

68 Optimering af Minimax
vigtigt at være opmærksom p˚a præcis hvilken information der er gemt i værdien
for brættilstanden. Uanset hvilke kriterier undersøgelsen af brættilstanden tidligere
er blevet foretaget med, vil værdien være et minimum for hvor godt enten
Min eller Max vil klare sig for denne brættilstand. Om det er Min eller Max
afhænger af brættilstandens generation. Er generationen over brættilstanden en
Min-generation er brættilstanden selv af en Max-generation og omvendt.
Værdien gemt i brættilstanden kommer alts˚a ikke til at blive bedre end den allerede
er set fra Max eller Min’s syn generationen over brættilstanden. S˚a hvis Min
generationen over arbejder med en beta-værdi, der er lige s˚a stor eller større end
den gemte værdi, behøver den ikke lave en nye undersøgelse af brættilstanden,
da der allerede findes en lige s˚a god eller bedre løsning. Er det ikke tilfældet,
bliver den nødt til at starte en ny undersøgelse af brættilstanden med de nye
alpha og beta værdier, da det ikke kan garanteres at værdien for brættilstanden
ikke reelt er højere end hvad den forrige undersøgelse var kommet frem til, da
den blev afsluttet.
Er det Max, der er i gang generationen før brættilstanden, skal der i stedet
checkes om alpha-værdien er mindre end eller lige s˚a stor som den gemte værdi.
Er den mindre end eller lige s˚a stor er der ingen grund til at undersøge brættilstanden
igen.
Normalt checker Min- eller Max-funktionen om et træk resultere i en brættilstand
der allerede eksisterer, hvis den gør det tilføjer den brættilstand som et
barn og tilføjer sig selv som forældre p˚a brættilstanden, og s˚a gøres der ellers
ikke mere ved den. Men med alpha beta-pruning inde i billedet, stopper den
ikke længere. Ligesom hvis den ikke havde konstateret at der allerede fandtes
en s˚adan brættilstand, kører den enten Max eller Min p˚a tilstanden, dog med
den lille forskel, at udover at sende alpha og beta værdierne med, sender den en
værdi der indikere om brættilstand fandtes i forvejen eller ej.
Det første Min eller Max gør, i tilfælde af at brættilstanden allerede eksisterede,
er at sammenligne henholdsvis alpha og beta med brættilstandens gemte værdi.
Er værdien for Min’s vedkommende mindre end eller lig med alpha eller for
Max’s vedkommende større end lig med beta, stoppes processen der og værdien
gemt i brættilstanden returneres. Er det ikke tilfældet fortsætter Min og Max
p˚a sædvanligvis.
5.4.4 Fordele og ulemper:
Sammenlignet med en almindelige Minimax algoritme har Alpha-Beta versionen
ingen ulemper, da den altid vil kom frem til samme løsning, bare hurtigere. Den
eneste forskel der kan komme til syne er, at der kan være mindre variation i
Alpha-Beta versionens træk. Dette skyldes at den kunstige intelligens er sat