其实网上关于博弈树的内容是相当多的，我们要做的是找到适合自己的材料
这段时间也在跟着老师做论文工作，期间也是需要参考大量的论文文献，因此即使是参加博弈赛，目前这个阶段了也还是希望可以尽可能地多看一些文档，以及掌握一些专业术语，提高专业修养，2333 其实是怕比赛的时候被抽中答辩QAQ
后面也将会结合六子棋（19路连六子）一个规则相对简单的棋类，进行分析，，，
先说说一个很有意思的词语：
零和博弈一个对抗者的损失对另一个对抗者来说是受益,故此这类的博弈游戏称为零和博弈（zero-sum game）.
用博弈树来表示两个对抗者在博弈过程可能遇到的状态和移动选择.在对抗树（adversarytree）或者博弈树（gametree）中,两个对抗者交替移动.处于树底层的结点称为叶结点（leaf node）,叶结点的祖先称为内部结点（interior node）
化用大佬里的话
博弈算法
很多游戏都是"博弈"的，比如五子棋是双方博弈，斗地主也是。有些是双方竞争，有些会包含合作。在《人工智能-一种现代方法》一书中的第五章 《对抗搜索》中，介绍了博弈论专家们对博弈的一种定义：
有完备信息的，确定性的，轮流行动的，两个游戏者的零和游戏
这也是我们这套算法适用的场景，注意其中任何一个条件不满足，那么将无法直接使用这套算法进行设计。比如这些游戏就不行：
- 斗地主和德州等大部分牌类游戏，因为不是完备信息，看不到对方玩家的牌，而且还有随机性（摸牌不确定）
- 四国军棋，不是完备信息，不是双人游戏
- DOTA，不是完备信息，不是双人游戏，而且不是轮流行动
而五子棋，围棋，黑白棋，象棋等都是满足这些条件的，因此都可以用这套算法来实现。
围棋难题
主要这次比赛，选的是六子棋，然后捏...
对六子棋而言，因为公平性不是问题，所以棋盘是可以任意地大，甚至是无限大亦可。以上述的十九路棋盘为例，所谓状态空间复杂度可达
那么为什么在神经网络出现前，围棋AI的棋力那么弱呢？要回答这个问题，我们先要了解下棋类游戏的复杂度。以下内容摘自维基百科：
| 名称 | 复杂度 |
|---|---|
| 五子棋 | 70 |
| 六子棋 | 170 |
| 国际象棋 | 123 |
| 中国象棋 | 150 |
| 围棋 | 360 |
表格中的复杂度是的是以10为底数的对数，也就是10的次方
可以看到，哪怕是简单的五子棋，其状态空间的复杂度也是一个天文数字，而围棋的复杂度远远高于前面的几种棋类。我们把这个复杂度叫做空间复杂度，由于围棋的复杂度太高，因此很难在较短的步骤内评估出合适的走法，而且也很难搜索到较深的深度。 更直观点说，围棋的难点在于两部分：
- 围棋本身的局面评估很复杂，不像象棋一样可以简单的给每个子打一个分。围棋更注重“局势”，非常难用常规手段打分。由于连评分都不准，因此搜索的基础都不可靠
- 围棋很难达到较深的深度。围棋每一步的可能性非常多，平均一步需要考虑100+种可能，因此很难达到较深的搜索深度。
- 其中下面的Policy network是指策略网络，右边为分值网络
AlphaGO 通过两个神经网络，分别解决了这两个问题。
- 价值网络可以比较准确的进行局势的评分
- 策略网络可以让产生更少的分支，预测更合理的着法
如果现在不是很好理解这段话没关系，等你读完接下来的文章，再回头看这一段，就可以理解了。
理论学习方面，将从以下几个方面去学习：
基本搜索算法：
搜索算法的改进
估值核心的优化
- 博弈算法基础知识
- 博弈树、极大极小值(Minimax Algorithm)、深度优先搜索(Depth First Search)、负极大值算法(Negamax Algorithm)
- Alpha-Beta 剪枝
- 迭代加深
- Zobrist缓存
- 启发式评估函数
- 置换表、哈希表
- 算杀、MTD(f)算法
- 开局库
- 单元测试
- 速度优化
看到一篇有趣的博客，通过阅读国外文献学习...大佬 膜拜...
使用的[2]术语,一个问题空间（problem space）看以看做是一个状态（state）和实现状态之间映射的操作(state)的集合.在博弈问题中,博弈树上的一个内部结点或叶结点就是一个状态,一般使用位置（position）来表述.移动（move）就是将一个位置转化为其子位置（successor position）的操作.如果一个位置是博弈树的叶结点,可以用评价者（evaluator）来对其优劣进行评分（evaluate）.有了评价者,博弈树中的每个叶结点都有一对应值（value）.
博弈树搜索或者对抗搜索的目的就是找出博弈树的值（game tree value）.博弈树的值（gametree value,下面简称博弈值）指的是博弈树中一个子结点的值,该值对于博弈双方都是最优的.博弈树的子树（subtree）在该子树搜索完成之后也会返回一个博弈值,虽然该值对于该子树来说最优的,但是对整个博弈树来说并不是全局最优的.
找出一棵博弈树的博弈值,可以使用基本的Min-Max方法.为了减少Min-Max方法需要搜索的结点个数,可以使用Alpha-Beta算法进行剪枝.根据博弈树的性质,在Alpha-Beta算法的基础上,各种改进方法被先后提出来.为了进一步提高搜索速度,Alpha-Beta算法又可以基于不同的思想进行并行化.在博弈树搜索算法方面,前人做了许多丰富而充满意义的研究工作.
[1] Valavan Manohararajah(2001). Parallel Alpha-Beta Search on SharedMemory Multiprocessors. Master’s thesis, Graduate Department of Electrical andComputer Engineering, University of Toronto, Canada.
[2] A. Newell and H.A. Simon (1972). Human Problem Solving.Prentice-Hall, 1972
参考资料：
https://blog.csdn.net/fsdev/article/details/7294857
这个博主的学习方法，2333，和老师要求的一样，感觉可以先在这里膜拜一下大佬 2333