蛮力和 Minimax/AlphaBeta 修剪
Brute Force and Minimax/AlphaBeta pruning
Brute Force 本质上只是搜索所有可能的组合，但 minimax 有何不同？ Minimax 也会搜索每个组合，然后 returns 最好的分数？
我知道当我们使用 alpha beta 剪枝时，我们会去掉那些对我们的 min/max 值没有影响的剪枝，但这是在我们已经执行了 minimax 之后发生的，所以这会被认为是蛮力吗？也许我误解了我到目前为止一直在阅读的内容，所以任何帮助都会很棒！
谢谢！
Minimax 是遍历决策树的一种比蛮力更有效的方法。由于仅访问可能仍然包含更好解决方案的节点，这与访问 所有 节点的蛮力相反，没有任何类型的修剪。
Wiki:
Heuristics can also be used to make an early cutoff of parts of the search. One example of this is the minimax principle for searching game trees, that eliminates many subtrees at an early stage in the search.
在 Minimax 中，你根据可用的移动和它们的得分来切割树的部分，这意味着你不会遍历所有的可能性，这使得它优于蛮力方法。
Alpha-beta 修剪不会发生 "after" minimax，它会发生 "during" minimax。并且修剪实际上消除了大量 "combinations"——在最好的情况下减少到蛮力 minimax 数的 sqrt，在平均情况下减少到 n^(3/4)。
Brute Force 本质上只是搜索所有可能的组合，但 minimax 有何不同？ Minimax 也会搜索每个组合，然后 returns 最好的分数？
我知道当我们使用 alpha beta 剪枝时，我们会去掉那些对我们的 min/max 值没有影响的剪枝，但这是在我们已经执行了 minimax 之后发生的，所以这会被认为是蛮力吗？也许我误解了我到目前为止一直在阅读的内容，所以任何帮助都会很棒！
谢谢！
Minimax 是遍历决策树的一种比蛮力更有效的方法。由于仅访问可能仍然包含更好解决方案的节点，这与访问 所有 节点的蛮力相反，没有任何类型的修剪。
Wiki:
Heuristics can also be used to make an early cutoff of parts of the search. One example of this is the minimax principle for searching game trees, that eliminates many subtrees at an early stage in the search.
在 Minimax 中，你根据可用的移动和它们的得分来切割树的部分，这意味着你不会遍历所有的可能性，这使得它优于蛮力方法。
Alpha-beta 修剪不会发生 "after" minimax，它会发生 "during" minimax。并且修剪实际上消除了大量 "combinations"——在最好的情况下减少到蛮力 minimax 数的 sqrt，在平均情况下减少到 n^(3/4)。