ня оцінки завжди лежить між Альфа і Бета . Якщо ж стало відомо, що оцінка деякої позиції лежить поза інтервалу Альфа - Бета, то цього достатньо для того, щоб зробити висновок: дана позиція не входить в основний варіант. При цьому точне значення оцінки такої позиції знати не обов'язково, його треба знати тільки тоді, коли оцінка лежить між Альфа і Бета .
"Досить хорошу" робочу оцінку V (P, Альфа, Бета) позиції Р можна визначити як будь-яке значення, задовольняє наступним обмеженням:
- не більше Альфа, якщо оцінка позиції Р менше або дорівнює Альфа;
- не менше Бета, якщо оцінка позиції Р більше або дорівнює Бета;
- точно дорівнює оцінці V (P), якщо оцінка позиції Р знаходиться між значеннями Альфа і Бета. p> Ефективність альфа - бета процедури залежить від порядку, в якому проглядаються позиції. Завжди краще розглядати найсильніші ходи з кожної зі сторін. У найгіршому випадку альфа - бета процедура виконує повний перебір вершин дерева.
Висновок
мінімаксних принцип і альфа - бета алгоритм лежать в основі багатьох вдалих ігрових програм, найчастіше шахових. Загальна схема подібної програми така: провести альфа - бета пошук з поточної позиції аж до деякої межі по глибині (диктуемого тимчасовими обмеженнями турнірних правил). Для оцінки термінальних пошукових позицій використовувати підібрану спеціально для даної гри оцінну функцію. Потім виконати найкращий хід, знайдений альфа - бета алгоритмом, прийняти у відповідь хід супротивника і запустити той же цикл з початку.
Багато що залежить від оціночної функції. Якщо була б відома абсолютно точна оцінна функція, то можна було б обмежити пошук розглядом тільки безпосередніх наступників поточної позиції, фактично виключивши перебір. У загальному випадку така функція є евристичної.
Використано джерела
1. Уоссермен Ф., Нейрокомп'ютерних техніка, - М., Мир, 1992. p> 2. Горбань О.М. Навчання нейронних мереж. - М.: параграф, 1990
3. Горбань О.М., Россиев Д.А. Нейронні мережі на персональному комп'ютері. - Новосибірськ: Наука, 1996
4. Gilev S.E., Gorban A.N., Mirkes E.M. Several methods for accelerating the training process of neural networks in pattern recognition// Adv. Modelling & Analysis, A. AMSE Press. - 1992. - Vol.12, N4. - P.29-53
5. С. Короткий. Нейронні мережі: алгоритм зворотного поширення. p> 6. С. Короткий, Нейронні мережі: навчання без вчителя. Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992. p> 7. Заенцев І. В. Нейронні мережі: основні моделі./Навчальний посібник до курсу "Нейронні мережі "для студентів 5 курсу магістратури к. електроніки фізичного ф-ту Воронезького Державного університету - e-mail: ivz@ivz.vrn.ru
8. Лорьер Ж.Л. Системи штучного інтелекту. - М.: Мир, 1991. - 568 с. br/>
