參考鏈接-機器之心
人機博弈是人工智能的重要分支，人們在這一領域探索的過程中產生了大量的研究成果，而極小化極大算法(minimax)是其中最基礎的算法，它由Shannon在1950年正式提出。Alpha-beta剪枝的本質就是一種基於極小化極大算法的改進方法。
在人機博弈中，雙方回合制地進行走棋，己方考慮當自己在所有可行的走法中作出某一特定選擇后，對方可能會采取的走法，從而選擇最有利於自己的走法。這種對弈過程就構成了一顆博弈樹，雙方在博弈樹中不斷搜索，選擇對自己最為有利的子節點走棋。在搜索的過程中，將取極大值的一方稱為max，取極小值的一方稱為min。max總是會選擇價值最大的子節點走棋，而min則相反。這就是極小化極大算法的核心思想。
極小化極大算法最大的缺點就是會造成數據冗余，而這種冗余有兩種情況：①極大值冗余；②極小值冗余。相對應地，alpha剪枝用來解決極大值冗余問題，beta剪枝則用來解決極小值冗余問題，這就構成了完整的Alpha-beta剪枝算法。接下來對極大極小值冗余和具體剪枝過程作簡要介紹。
極大值冗余
如圖1所示，這是一顆博弈樹的某一部分，節點下的數據為該節點的值，節點B的值為20，節點D的值為15，這里，C為取極小值的min節點，因此節點C的值將小於等於15；而節點A為取最大值max的節點，因此A只可能取到B的值，也是就說不再需要搜索C的其他子節點E和F的值就可以得出節點A的值。這樣將節點D的后繼兄弟節點減去稱為Alpha剪枝。
圖 1 極大值冗余的Alpha剪枝
極小值冗余
如圖2所示，這也是一顆博弈樹的某一部分，節點B的值為10，節點D的值為19，這里，C節點為取最大值max節點。因此，C的值將大於等於19；節點A為取極小值的min節點，因此A的值只能取B的值10，也就是說不再需要求節點C的子節點E和F的值就可以得出節點A的值。這樣將節點D的后繼兄弟節點減去稱為Beta剪枝。
圖2 極小值冗余的Beta剪枝
瓶頸
Alpha-beta剪枝本質是alpha剪枝和beta剪枝的結合，這兩種剪枝的發生條件不同，因此在博弈中總是首先需要區分取極小值和取極大值方，這在一定程度上讓算法的效率打了折扣。
未來發展方向
Alpha-beta剪枝是對極小化極大算法的一種改進，但是在實際應用過程中，alpha-beta剪枝首先要區分出博弈雙方誰是取極大值者，誰是取極小值者，達到剪枝條件時才會進行剪枝。這一優化方法雖然簡潔明了，但在一定程度上讓算法的效率打了折扣。因此在具體的博弈中，結合博弈的特定規則進行優化，比如說，將一些先驗知識(prior knowledge)納入剪枝條件中，這種基於具體應用的優化將是alpha-beta剪枝的重要發展方向。