叶节点位置的"值"。 一个最佳首步可以由一个最小最大化过程产生。假设轮到MAX从搜索树的叶节点中选取,他肯定选择拥有最大值的节点。因此,MIN叶节点的一个MAX节点双亲的倒推值就
等于叶节点的静态评估值中的最大值。另一方面,MIN从叶结点中选取时,必须选取最小的节点(即最负的值)。既然如此,MAX叶节点的MIN双亲节点被分配一个倒推值,他等于叶节点静态评估值的最小值。在所有叶节点的父节点被赋予倒推值后,开始倒推另一层,假定MAX将选择有最大倒推值的MIN的后继节点,而MIN会选择有最小倒推值的MAX后继节点。继续逐层对节点评估,直到最后开始节点的后继者被赋予倒推值。MAX将选择有最大倒推值的节点作为他的首步。整个过程的有效性基于这样的假设。用整个棋盘估值的函数h(n)为静态估值函数。设想当前棋局S为轮到计算机方下棋(用 □ 表示),任选一空点作为
计算机方的下棋位置(可有若干种选择),接着考虑在此情况下游戏者一方下棋的棋局(用O表示);从某一"O"棋局出发,任选一空点作为游戏者一方的落子处(又有若干种选择),再次形成计算机方下棋的" □"棋局;依此类推,这样可形成一棵以S为根结点的博弈树,该树以O棋局为第2层子结点,以棋局为第3层子结点等等。如果继续向前搜索,可形成多层子结点,现在以向前搜索3层子结点为例来说明极大极小值的过程。对第3层子结点的某一棋局n,