Lecture 5 Minimax dengan αβ Pruning Erick Pranata Kecerdasan Buatan Lecture 5 Minimax dengan αβ Pruning Erick Pranata © Sekolah Tinggi Teknik Surabaya
Motivasi Game tree dibentuk di setiap giliran komputer Perhitungan harus cepat © Sekolah Tinggi Teknik Surabaya
Ide Membatasi ply Menambah parameter α dan β pada Minimax © Sekolah Tinggi Teknik Surabaya
αβ Pruning IF minimax(uncle) > minimax(node) Abaikan seluruh sibling dari node Uncle berada pada level min IF minimax(uncle) < minimax(node) Uncle berada pada level max Minimax-αβ(jumlahBatu, level, -∞, +∞) Extra time hasil pruning digunakan untuk menambah ply © Sekolah Tinggi Teknik Surabaya
Game Tree Minimax A MAX 8 B 8 C 2 D MIN 6 E F MAX 8 9 G 2 H 9 I 8 J 6 K 7 L M N O P Q R S T U V W X Y Z MIN 4 8 9 3 2 -2 9 -1 8 4 3 6 5 7 1 © Sekolah Tinggi Teknik Surabaya
Game Tree Minimax dengan αβ Pruning 8 B 8 C D MIN 2 6 E MAX 8 F 9 G 2 H I J 6 K L M N O P Q R S T U V W X Y Z MIN 4 8 9 2 -2 3 6 5 © Sekolah Tinggi Teknik Surabaya
Algoritma function MINIMAX-AB(N, A, B) is if N is deep enough then return the estimated score of this leaf else alpha = a; beta = b; if N is a Min node then For each successor Ni of N beta = min{beta, MINIMAX-AB(Ni, alpha, beta)} if alpha >= beta then return alpha end for return beta alpha = max{alpha, MINIMAX-AB(Ni, alpha, beta)} if alpha >= beta then return beta return alpha end if end function © Sekolah Tinggi Teknik Surabaya