↑: [[G検定に関する知識]] - 自分の手番では利益最大化、相手の手番では損失最小化を行う[[探索アルゴリズム]] - 可能な全ての手を先読みして評価値を計算する決定論的な手法 - 一般的には[[深さ優先探索]]を用いてメモリ効率よく実装される - [[ゼロサムゲーム]]で最適戦略を求めるための手法 - 協力ゲームには使われない - ここから[[αβ法]]に発展していく - ref: [[Mini-Max法とは]] - **評価関数（ヒューリスティック評価）が必要な理由**：末端まで全探索すると組み合わせ爆発で不可能なため、一定深さで打ち切り途中局面の優劣を数値化して代用する ← 重要 - 評価関数はMini-Max一般の概念で[[αβ法]]固有ではない。αとβは枝刈りの閾値変数であり評価関数とは別物 - ムーブオーダリング（探索順序の工夫）はαβ法の枝刈り効率を上げる手法で、評価関数の存在理由ではない - ランダムなプレイアウトで勝率を推定するのは[[モンテカルロ法|MCTS]]（評価関数はランダム性を持たない） - cf. [[ミニマックス法]], [[アルファベータ法]]