αβ法（アルファベータ法）
解説
αβ法（アルファベータ法）とは、Mini-Max法の探索効率を劇的に向上させるための「枝刈り（Pruning）」アルゴリズムです。
「無駄な探索」を省く仕組み
Mini-Max法は全ての局面（ノード）を調べますが、αβ法は「この先を調べても、すでに分かっている最善手より良い結果にはならない」と判断できた時点で、その枝（branch）の探索を打ち切ります（＝枝刈り）。
- α値（アルファ値）：自分（Max）が確保できる最低限の利益（下限値）。
- β値（ベータ値）：相手（Min）が許容する最大限の損失（上限値）。
探索中に「β値以下になる手（自分にとって損な手）」や「α値以上になる手（相手が選ばない手）」が見つかった瞬間、その先の計算を省略します。
結果は変わらない
重要なのは、「計算を省略しても、Mini-Max法と全く同じ答え（最適解）が得られる」という点です。精度を落とさずに速度だけを上げる手法です。
G検定対策
出題ポイント
- 目的：Mini-Max法の計算量削減（高速化）。
- キーワード：枝刈り（Pruning）、カット。
- 特徴：Mini-Max法と同じ解（最適解）を保証する。
よくあるひっかけ問題
- × αβ法を使うと、探索を省略するため精度が落ちる
（解説）精度は落ちません。結果に影響しない無駄な部分を省くだけなので、結果は全探索と同じです。 - × モンテカルロ法の一種である
（解説）違います。確率的ではなく、確定的（Deterministic）な探索手法です。
