1.象棋中通常需要推算当前局面下，每走一步之后的局面分，通常我们可以设定考虑几步棋，通常我们所说的算棋，而计算机的AI算法中最常用的就是最大值最小值算法，而剪枝算法是对最大值最小值算法的一种优化。

如上图所示：

1.如果在当前局面下，假设有三步可走的棋，走完之后得到的局面分分别为100,80,90，如果仅考虑一步的情况下，当然是选100所对应的棋走，这是最简单也是最短视的走法，这样的AI会让人认为太笨了。此时level=1

2.如果考虑两步棋的情况，走完第一步之后，轮到对方走了，对方走完之后，此时的局面分是第三层的分，可能的走法有：走100分支的话，有三种可能：60,10,40，走80分支的话，有：50，30,20，走90分支的话，有：40,50,30，假设我们都不傻，都会挑使对方最不利的棋走，因此走100分支的话，对方可定会走10分支，如果走80分支的话，对方肯定走20分支，如果走90分支的话，对方肯定走30分支，因此我们为了使走两步之后（仅考虑2步，level=2），自己获得的局面分最大，使自己最有利，则必须走90分支，这样的话，对方无论怎么走，得到的最小值局面分都是30，都比走其他分支（100和80）的最小值要大。这就是最小值最大值算法。

3.如果考虑三步棋的情况，此时level=3,到第四层局面的时候，此时level=0,即只需要直接计算当前每个分支的局面分即可，得到：15,35,8,9,25,15,34,25,8,20,18,10,7,14,32,21,16,15,

此时我们如何走才最有利呢？

a.假设第一步走100分支，则对方肯定走10分支，此时我们只能走9分支（getMaxScore）,

b.如果第一步走80分支，则对方肯定走20分支，此时我们只能走18分支（getMaxScore，获取最佳局面分）

c.如果第一步走90分支，则对方肯定走30分支，此时我们只能走16分支（getMaxScore，获取最佳局面分）

因此，我们只需要考虑在第四层中选取一个最大值即可。毫无疑问第一步肯定走80分支，然后对方走20分支，然后我们走18分支，此时的局面对我们最有利。

因此总结如下：

我们最终的目的是使最后得到的局面分最大为依据的。

最小值，最大值算法交替使用，根据不同的考虑步数（level）有不同的走法。

getMinScore()会调用getMaxScore()，getMaxScore()内部也会调用getMinScore()两个函数构成间接递归。

4.剪枝算法：

假设考虑这么一种情况：

假设第二分支80下面的50换成5，且只考虑level=2的情况，此时我们第一步是求最小值（第三层的），第二步求最大值（第二层的），注意这是回朔算法，根据可能得到的结果（最终局面分）往回推，可能要走的棋步。

当我们推演完第一分支（100）之后发现最小值为10，而当我们推演第二分支的时候，在求最小值时（第三层），遇到了5，显然5<10,并且此时的上一层（第二层，即100,80,90）要求的是最大值，因此该分支的其他分支（30,20）就不需要推演了，因为该分支的最小值（5）已经比上一分支（100-->60,10,40）中的最小值10要小，再推演下去已经没有意义了，因此可以把剩下的该分支的其他分支，舍弃掉，不需要计算了，大大降低了计算量，直接推演第三分之（90），俗称剪枝算法。

因此我们需要传入一个参数，标记上一分支中的最值。如果该分支中的某一个值比上一分支中的最值还要小，该分支的其他分支，就可以忽略了，因为该分支肯定不在考虑范围之内了。因此可以提前结束本分支的计算，而直接计算下一分支。