AI中的搜索
AI中的搜索主要分为两大类：启发式搜索和对抗搜索
启发式搜索
对抗搜索
对抗搜索也称为博弈搜索
主要有三种搜索方法
- 最小最大搜索(Minimax Search)
- Alpha-Beta剪枝搜索(Pruning Search)
- 蒙特卡洛树搜索(Monte-Carlo Tree Search)
最小最大搜索和α-β剪枝搜索，这些方法在IBM的深蓝中曾大量应用
最小最大搜索(Minimax Search)
双人对战，博弈树，
双方所希望的目标是相对的，A希望B输，B希望A输，A希望某个利益最大化，B就希望某个利益最小化（因为最大化对A有利）
Alpha-Beta剪枝搜索(Pruning Search)
在最小最大搜索的基础上，剪掉一些不必要的搜索节点
Alpha-Beta搜索和最小最大搜索所得的结论相同，但剪去了不影响最终结果的搜索分支
蒙特卡洛树搜索(Monte-Carlo Tree Search)
Alphago采用的搜索策略
单一状态蒙特卡洛规划：多臂**机（multi-armed bandits）
上限置信区间策略（Upper Confidence Bound Strategies，UCB）
蒙特卡洛树搜索（Monte-Carlo Tree Search）
UCT（Upper Confidence Bounds on Trees）