实施迭代深化

Question

为了提高使用Alpha-Beta剪枝的Minimax算法的性能，我实现了迭代深化：

 public Integer iterativeDeepening(int maxDepth, boolean isFirstPlayer) {

    Integer bestCell = -1;

    for (Integer depth = 1; depth <= maxDepth; depth++) {
        bestCell = alphabeta.minimax(depth, false, Integer.MIN_VALUE, Integer.MAX_VALUE)[1];
    }

    return bestCell;
}

其中，方法iterativeDeepening只是返回最佳移动的id。

首先，我不确定这是否正确的方式实施迭代深化。

其次，我注意到AI开始做出错误的举动。迭代深化是否有可能影响决策？

在处理换位表和迭代深化时，我测量了算法速度的显著提高，但我并不想为了速度而牺牲AI质量。

Answer 1

首先，我不确定这是否正确的方式实施迭代深化。

我认为这是正确的，但如果您想要迭代深化以加快您的算法，您还应该添加移动排序。其思想是，您使用的结果从浅层搜索，搜索移动似乎最好的第一次在下一次迭代。这意味着一个更好的机会，在您的α-β算法快速削减。

其次，我注意到AI开始做出错误的举动。迭代深化是否有可能影响决策？

为您的alpha-beta算法实现迭代深化不应影响决策。您的实现肯定有问题，但是没有足够的信息来说明它是什么。