1.象棋中通常需要推算當前局面下，每走一步之后的局面分，通常我們可以設定考慮幾步棋，通常我們所說的算棋，而計算機的AI算法中最常用的就是最大值最小值算法，而剪枝算法是對最大值最小值算法的一種優化。
如上圖所示：
1.如果在當前局面下，假設有三步可走的棋，走完之后得到的局面分分別為100,80,90，如果僅考慮一步的情況下，當然是選100所對應的棋走，這是最簡單也是最短視的走法，這樣的AI會讓人認為太笨了。此時level=1
2.如果考慮兩步棋的情況，走完第一步之后，輪到對方走了，對方走完之后，此時的局面分是第三層的分，可能的走法有：走100分支的話，有三種可能：60,10,40，走80分支的話，有：50，30,20，走90分支的話，有：40,50,30，假設我們都不傻，都會挑使對方最不利的棋走，因此走100分支的話，對方可定會走10分支，如果走80分支的話，對方肯定走20分支，如果走90分支的話，對方肯定走30分支，因此我們為了使走兩步之后（僅考慮2步，level=2），自己獲得的局面分最大，使自己最有利，則必須走90分支，這樣的話，對方無論怎么走，得到的最小值局面分都是30，都比走其他分支（100和80）的最小值要大。這就是最小值最大值算法。
3.如果考慮三步棋的情況，此時level=3,到第四層局面的時候，此時level=0,即只需要直接計算當前每個分支的局面分即可，得到：15,35,8,9,25,15,34,25,8,20,18,10,7,14,32,21,16,15,
此時我們如何走才最有利呢？
a.假設第一步走100分支，則對方肯定走10分支，此時我們只能走9分支（getMaxScore）,
b.如果第一步走80分支，則對方肯定走20分支，此時我們只能走18分支（getMaxScore，獲取最佳局面分）
c.如果第一步走90分支，則對方肯定走30分支，此時我們只能走16分支（getMaxScore，獲取最佳局面分）
因此，我們只需要考慮在第四層中選取一個最大值即可。毫無疑問第一步肯定走80分支，然后對方走20分支，然后我們走18分支，此時的局面對我們最有利。
因此總結如下：
我們最終的目的是使最后得到的局面分最大為依據的。
最小值，最大值算法交替使用，根據不同的考慮步數（level）有不同的走法。
getMinScore()會調用getMaxScore()，getMaxScore()內部也會調用getMinScore()兩個函數構成間接遞歸。
4.剪枝算法：
假設考慮這么一種情況：
假設第二分支80下面的50換成5，且只考慮level=2的情況，此時我們第一步是求最小值（第三層的），第二步求最大值（第二層的），注意這是回朔算法，根據可能得到的結果（最終局面分）往回推，可能要走的棋步。
當我們推演完第一分支（100）之后發現最小值為10，而當我們推演第二分支的時候，在求最小值時（第三層），遇到了5，顯然5<10,並且此時的上一層（第二層，即100,80,90）要求的是最大值，因此該分支的其他分支（30,20）就不需要推演了，因為該分支的最小值（5）已經比上一分支（100-->60,10,40）中的最小值10要小，再推演下去已經沒有意義了，因此可以把剩下的該分支的其他分支，舍棄掉，不需要計算了，大大降低了計算量，直接推演第三分之（90），俗稱剪枝算法。
因此我們需要傳入一個參數，標記上一分支中的最值。如果該分支中的某一個值比上一分支中的最值還要小，該分支的其他分支，就可以忽略了，因為該分支肯定不在考慮范圍之內了。因此可以提前結束本分支的計算，而直接計算下一分支。