1.象棋中通常需要推算當前局面下，每走一步之後的局面分，通常我們可以設定考慮幾步棋，通常我們所說的算棋，而計算機的ai演算法中最常用的就是最大值最小值演算法，而剪枝演算法是對最大值最小值演算法的一種優化。
有點類似於八皇后的深度樹
當前局面表示電腦，作為電腦肯定會擇當前局面分最大的作為下一步。如果我們的level為1，也就是我們只算下一步的得分，選最大的那個，對比途中，肯定挑選100作為下一步的走法。但一般類似我們人下象棋的過程。我們一般會去想下幾步該怎麼下而挑選出最好的一步，就要往下遞迴了，比如level為2的時候，第一分支搜尋100,這時候輪到人走，人肯定選對電腦不利的局面，也就是最小局面分10，而第二分支80，往下走，人選20，第三分支90，人選30，我們要的肯定是最好的30。這就是最大，最小，最大表示作為電腦方選最大，最小表示人方選最小，最後由電腦方選出最大的乙個局面分作為下一步的參考。
我們模擬電腦走法的時候，不論層次為多少，都是以最後乙個並且是最大的作為我們的局面分。
將圖中的50換成5
為了方便理解 這邊貼上**
step* ai::getstep(scenegame* game, int level)
} for (it = allmove.begin(); it != allmove.end(); ++it)
return ret;
}
int ai::getminscore(scenegame* game, int level, int curminscore)
if (score < minscore)
}for (it = allmove.begin(); it != allmove.end(); ++it)
return minscore;
}
int ai::getmaxscore(scenegame* game, int level, int curmaxscore)
if (score > maxscore)
}for (it = allmove.begin(); it != allmove.end(); ++it)
return maxscore;
}
象棋AI博弈演算法（最大值最小值演算法）
最大值最小值在象棋運用的很多，也是最基礎的走棋演算法 首先根據基礎局面計算各個走棋的局面分，假如說電腦要計算三層，那麼如圖 總之就是要在所有走法中瘸子裡面挑將軍的意思 電腦想自己得分最高，電腦假設人下棋的時候要推斷出最優的走法也就是得分最高的走法，那麼人就會選擇電腦走法得分最高的走法，然後人從這些走...
AI象棋中的，最大最小值演算法思路
一層的情況就不討論了，直接就是走一步後，當前局面的最高分 第二層情況 第三層情況 現在分析一下為什麼會出現最大最小值演算法 因為走棋是你一步我一步的來。作為我來說，我肯定願意選當前局面分值最大的一步。作為對方來說，對方肯定不是傻子，肯定選你局面分最小的情況。這樣就形成了，最大，最小值演算法，最大 我...
最大最小值演算法
inputiterator min element inputiterator beg,inputiterator end inputiterator min element inputiterator beg,inputiterator end,compfunc op inputiterator ...