參考書籍《人工智慧基礎教程》

該演算法的搜尋策略是考慮雙方若干步之後，從可能的步中選擇相對較好的走發來走。

以MAX表示程式方，MIN表示對手方，P表示局勢，f(P)是根據當前局勢做出的估計函式。

則

F(p)>0表示對MAX有利的局勢

F(p)<0表示對MIN有利的局勢

F(p)=0表示局勢均衡

該演算法的基本思想是：

（1）      輪到MIN走時，MAX應考慮最壞的情況，也即f（p）取極小的情況

（2）      輪到MAX走時，MAX應考慮最好的情況，也即f（p）取極大的情況

（3）      當評價往回倒推，相應於兩位棋手的對抗策略，不同層交替的使用（1）（2）兩種方法向上傳遞倒推值。

演算法優化

α-β剪枝演算法

在上述的極大極小演算法中，MIN和MAX過程將所有的可能性省搜尋樹，然後再從端點的估計值倒推計算，這樣的效率非常低下。而α-β演算法的引入可以提高運算效率，對一些非必要的估計值進行捨棄。其策略是進行深度優先搜尋，當生成結點到達規定深度時，立即進行靜態估計，一旦某一個非端點的節點可以確定倒推值的時候立即賦值，節省下其他分支拓展到節點的開銷。

剪枝規則：

（1）      α剪枝，任一極小層節點的β值不大於他任一前驅極大值層節點的α值，即α（前驅層）≥β（後繼層），則可以終止該極小層中這個MIN節點以下的搜尋過程。這個MIN節點的倒推值確定為這個β值。

（2）      β剪枝，任一極大層節點的α值不小於它任一前驅極小值層節點的β值，即β（前驅層）≤α（後繼層），則可以終止該極大值層中這個MAX節點以下的搜尋過程。這個MAX節點的倒推值確定為這個α值。