代码参考自中国大学mooc上人工智能与信息社会陈斌老师的算法，我在原来的基础上增加了玩家输入的异常捕获 AlphaBeta剪枝算法是对Minimax方法的优化，能够极大提高搜索树的效率，如果对这个算法感兴趣的可以去参考相关资料。

python实现采用Alpha-Beta剪枝搜索实现黑白棋AI源码（人工智能期末作业）.zip 黑白棋 实验要求： 使用 『最小最大搜索』、『Alpha-Beta 剪枝搜索』 或 『蒙特卡洛树搜索算法』 实现 miniAlphaGo for Reversi（三种算法择一即可）。 使用 Python 语言。 算法部分需要自己实现，不要使用现成的包、工具或者接口。 Result： 实现 AIPlayer 类，采用 Alpha-Beta 剪枝搜索实现黑白棋 AI

这个是我们老师在上课时对alpha-beta剪枝的解释，个人觉得比较容易理解，因为在博客中无法上传视频，所以只能上传为资源了．对于这个视频我有相应的博客解释．

我们基于α-β剪枝人工智能方法的的中国象棋使用python实现，分为走法计算、评估函数与搜索和UI三部分，并采用历史启发算法进行优化，有着不错的效果。可以实现正常的人机对战，有着普通人的棋力，经过多轮测试，搜索五步的时候，电脑胜率达到80％左右。 （关于代码，my_chess.py里面是对可行走法的搜索，chinachess.py里面是象棋UI的实现，history_heuristic.py里面是历史启发算法优化部分，chess_constants.py是对棋盘、棋子基本单位的定义，my_game.py里面是Alpha-Beta算法的实现。） 我们的中国象棋使用python实现，分为走法计算、评估函数与搜索和UI三部分，并采用历史启发算法进行优化，有着不错的效果。可以实现正常的人机对战，有着普通人的棋力，经过多轮测试，搜索五步的时候，电脑胜率达到80％左右。 （关于代码，my_chess.py里面是对可行走法的搜索，chinachess.py里面是象棋UI的实现，history_heuristic.py里面是历史启发算法优化部分，chess_constants.py是对棋盘、棋子基本单位的定义，my_game.py里面是Alpha-Beta算法的实现。）

dev-c++开发的全鼠标操作控制台战棋，完整源代码，使用了最短路径算法，alpha-beta剪枝策略等，其中最后一版的战力相当可以，来尝试一下？

使用alpha-beta剪枝算法实现中国象棋人机对战，AI具有中级的智能，可以应对一般的象棋爱好者。

算法非常强大，一般人赛不过机器，界面友好，可以说是非常非常有用

比较简单的alpha-beta剪枝算法，帮助理解，代码中的树需要自己构造

纯手写，速度比较慢，结合了贪心算法，alpha-beta剪枝有时候不能出解的bug用贪心算法弥补

不用神经网络强化学习，只用alpha-beta剪枝和搜索实现的下象棋！我们的中国象棋使用python实现，总共2000+行代码，分为走法计算、评估函数与搜索和UI三部分，并采用历史启发算法进行优化，有着不错的效果。可以实现正常的人机对战，有着普通人的棋力。详细信息（有惊喜）可以查看博客https://blog.csdn.net/weixin_43398590/article/details/106321557