在博弈树的极大极小过程中是对每一个树节点(称它为全局搜索吧)都要计算其估值，然后在这些估值中做出选择。如果搜索比较大的话，全局搜索的方式效率会非常低，因为有一些节点根本不需要搜索。那么怎么加快搜索的速度呢？可以采用Alpha-Beta剪枝方法。

Alpha-Beta剪枝方法如下：

任何Max节点n的alpha值如果大于或等于它先辈节点的bete值，那么节点n以下的分支就不用搜索了。这是beta剪枝。

任何Min节点的beta值如果小于或等于它先辈节点的alpha值，那么节点n以下的分支也不用搜索了。这是alpha剪枝。

下面给出代码：

// 带Alpha-Beta剪枝的极大极小过程函数，按指定的深度，搜索产生一个走法

int ChessAI::maxMinWithAlphaBetaCut(int** chessBoard, int whiteOrBlack, int depth, Point opPos, int alpha, int beta)

{

int bestValue, curValue; // bestValue是最好的分数， curValue是试探下子后，该次下子的分数

if (isBE5AtPoint(chessBoard, whiteOrBlack == 2 ? 1 : 2, opPos)) // 如果在这里可以分出胜负

{

if (whiteOrBlack == 1) // 电脑赢。这里为什么不是2呢？因为这里whiteOrBlack与opPos是相反关系

{

return FIVE_ALIKE;

}

else // 玩家赢

{

return -FIVE_ALIKE;

}

}

else if (depth == 0) //深度为0，估值返回

{

bestValue = getValue(chessBoard);

}

else

{

// 下面开始是利用了剪枝思想的极大极小过程

if (whiteOrBlack == 2) // 此节点为电脑白子，取极大值

{

// 下面开始对各个可以下的子进行评分

for (int i = 0; i <= 14; i++)

{

for (int j = 0; j <= 14; j++)

{

if (chessBoard[i][j] == 0) // 如果可以下子

{

if (alpha >= beta) // alpha剪枝

{

return alpha;

}

chessBoard[i][j] = whiteOrBlack; // 试探下子

curValue = maxMinWithAlphaBetaCut(chessBoard, 1, depth - 1, cocos2d::Point(i, j), alpha, beta);

chessBoard[i][j] = 0; // 撤消下子

if (curValue > alpha)

{

alpha = curValue; //子节点的最大值记录到alpha中

}

}

}

}

bestValue = alpha;

}// end if (whiteOrBlack == 2)

else if (whiteOrBlack == 1) // 此节点为玩家黑子，取极小值

{

for (int i = 0; i <= 14; i++)

{

for (int j = 0; j <= 14; j++)

{

if (chessBoard[i][j] == 0) // 如果可以下子

{

if (alpha >= beta) // beta剪枝

{

return beta;

}

chessBoard[i][j] = whiteOrBlack; // 试探下子

curValue = maxMinWithAlphaBetaCut(chessBoard, 2, depth - 1, cocos2d::Point(i, j), alpha, beta);

chessBoard[i][j] = 0; // 撤消下子

if (curValue < beta)

{

beta = curValue; //子节点的最小值记录到beta中

}

}

}

} // end else if (whiteOrBlack == 1)

bestValue = beta;

}

} // end else : (depth > 0)

return bestValue;

}