在我们的五子棋游戏中，黑白两方轮流下子，会产生不同的棋盘局面。对于一个局面来讲又有不同的应对方法，不同的应对方法，接着又会产生不同的局面。
也就是说黑方先下子，白方就有224种落子方法，如果黑方选择了一其中的一步应对，那白方接下来就有223种方案和223种局面。
这样看就是一个又一个的树，但是在一个五子棋游戏里面博弈树的全部遍历有10的41次方个局面，所以我们基本上就是设定一个深度就不在搜索了，用一个评估函数对局势进行判断，用估计值来代替实际的搜索值。而且搜索算法用的就是极大极小的搜索来减少我们搜索的工作量。我们可以把一个五子棋的走步看成，黑方的节点估计值对标乙方子节点的最大值确定，同时乙方从叶节点选的就是越小越对它有利，两者倒退就可以退出根节点的估计值，这样就可以确定根节点的出发的最佳走步。同时为了减少搜索量，将叶节点的评估，跟就算倒退值与树的生成同时进行。就可以减少搜索的数量，还可以保持效果的不便。
//---------搜索当前搜索状态极大值--------------------------------//
//alpha 祖先节点得到的当前最小最大值，用于alpha 剪枝
//beta 祖先节点得到的当前最大最小值，用于beta 剪枝。
//step 还要搜索的步数
//return 当前搜索子树极大值
protected int findMax(int alpha, int beta, int step) {//只有极小值的方法调用了这里
int max = alpha;
if (step == 0) {
return evaluate();
}
int[][] rt = getBests(1 - sbw);
for (int i = 0; i < rt.length; i++) {
int x = rt[i][0];
int y = rt[i][1];
if (getType(x, y, 1 - sbw) == 1) //电脑可取胜
return 100 * ( getMark(1) + step*1000 );
isChessOn[x][y] = 1 - sbw;
// 预存当前边界值
int temp1=x_min,temp2=x_max,temp3=y_min,temp4=y_max;
resetMaxMin(x,y);
int t = findMin(max, beta, step - 1);
isChessOn[x][y] = 2;
// 还原预设边界值
x_min=temp1;
x_max=temp2;
y_min=temp3;
y_max=temp4;
if (t > max)
max = t;
//beta 剪枝
if (max >= beta)
return max;
}
return max;
}
//-----------------------搜索当前搜索状态极小值---------------------------------//
//alpha 祖先节点得到的当前最小最大值，用于alpha 剪枝
//beta 祖先节点得到的当前最大最小值，用于beta 剪枝
//step 还要搜索的步数
//return 当前搜索子树极小值。
protected int findMin(int alpha, int beta, int step) {
int min = beta;
if (step == 0) {
return evaluate();
}
int[][] rt = getBests(sbw);
for (int i = 0; i < rt.length; i++) {
int x = rt[i][0];
int y = rt[i][1];
int type = getType(x, y, sbw);
if (type == 1) //玩家成5
return -100 * ( getMark(1) + step*1000 );
// 预存当前边界值
int temp1=x_min,temp2=x_max,temp3=y_min,temp4=y_max;
isChessOn[x][y] = sbw;
resetMaxMin(x,y);
int t = findMax( alpha, min, step - 1 );
isChessOn[x][y] = 2;
// 还原预设边界值
x_min=temp1;
x_max=temp2;
y_min=temp3;
y_max=temp4;
if (t < min)
min = t;
//alpha 剪枝
if (min <= alpha) {
return min;
}
}
return min;
}
