[论文解读] A Minimax Algorithm Better than Alpha-Beta? No and Yes

Arie de Bruin, Aske Plaat+2 more|arXiv (Cornell University)|Jan 1, 1995

Artificial Intelligence in Games参考文献 41被引用 8

一句话总结

本文通过将SSS*算法重新表述为带有置换表的增强型alpha-beta搜索，证明其等价于带有置换表的alpha-beta搜索。该研究提出MTD(f)这一新型最优优先搜索算法，在固定深度博弈树搜索中，尤其在迭代深化场景下，其性能优于传统极大极小法，实证结果来自锦标赛级游戏程序。

ABSTRACT

This paper has three main contributions to our understanding of fixed-depth minimax search: (A) A new formulation for Stockman's SSS* algorithm, based on Alpha-Beta, is presented. It solves all the perceived drawbacks of SSS*, finally transforming it into a practical algorithm. In effect, we show that SSS* = alpha-beta + ransposition tables. The crucial step is the realization that transposition tables contain so-called solution trees, structures that are used in best-first search algorithms like SSS*. Having created a practical version, we present performance measurements with tournament game-playing programs for three different minimax games, yielding results that contradict a number of publications. (B) Based on the insights gained in our attempts at understanding SSS*, we present a framework that facilitates the construction of several best-first fixed- depth game-tree search algorithms, known and new. The framework is based on depth-first null-window Alpha-Beta search, enhanced with storage to allow for the refining of previous search results. It focuses attention on the essential differences between algorithms. (C) We present a new instance of the framework, MTD(f). It is well-suited for use with iterative deepening, and performs better than algorithms that are currently used in most state-of-the-art game-playing programs. We provide experimental evidence to explain why MTD(f) performs better than the other fixed-depth minimax algorithms.

研究动机与目标

• 通过使用带有置换表的alpha-beta搜索重新表述SSS*算法，以解决其长期存在的实际局限性。
• 基于深度优先的空窗alpha-beta搜索与结果精炼，构建统一框架，用于构造最优优先的固定深度博弈树搜索算法。
• 提出并评估MTD(f)，该框架内的新算法在迭代深化场景下表现出优于现有方法的性能。
• 通过实证结果挑战文献中既有的观点，反驳关于SSS*优于alpha-beta的既定假设。

提出的方法

• 将SSS*重新表述为带有置换表的alpha-beta搜索，证明置换表天然维护了最优优先搜索中使用的解树。
• 以深度优先的空窗alpha-beta搜索为核心引擎，通过存储机制扩展以精炼和更新先前的搜索结果。
• 提出一个框架，通过聚焦于结果精炼与节点排序，抽象出不同最优优先算法之间的关键差异。
• 设计MTD(f)作为该框架内的新算法，利用迭代深化与置换表复用以提升搜索效率。
• 在三种不同的极小极大博弈中，使用锦标赛级游戏程序实现并基准测试MTD(f)及其他算法。
• 不仅将置换表用作记忆化工具，更将其作为结构组件，使深度优先框架具备最优优先行为。

实验结果

研究问题

• RQ1 SSS*能否通过基于alpha-beta和置换表的重构实现实际应用？
• RQ2 哪些结构与算法组件区分了不同的最优优先固定深度搜索算法？
• RQ3 MTD(f)作为所提框架的产物，在真实游戏程序场景中与现有极小极大算法相比性能如何？
• RQ4 为何先前关于SSS*优于alpha-beta的断言在现代实现的实证评估中不成立？
• RQ5 与其它固定深度算法相比，迭代深化在多大程度上提升了MTD(f)的性能？

主要发现

• SSS*在正确实现下，功能上等价于带有置换表的alpha-beta搜索，解决了其先前不切实际的问题。
• 该框架成功统一并泛化了已知与新型最优优先搜索算法，聚焦于结果精炼与置换表的使用。
• MTD(f)在三种不同游戏的性能基准测试中，持续优于传统alpha-beta及其他固定深度算法。
• MTD(f)的性能优势归因于对置换表的高效利用与迭代深化，实现了更优的走法排序与结果复用。
• 实证结果反驳了既往文献中关于SSS*优于alpha-beta的断言，表明MTD(f)在实践中超越了两者。
• 置换表不仅是优化工具，更是使深度优先框架具备最优优先行为的关键结构组件。