使用java编写的GUI的黑白棋游戏，搜索算法采用经典的博弈树，并在此基础上做了大量优化，我的评估函数采用了Simon M. Lucas 和 Thomas P. Runarsson 在其合作发表的 Temporal Difference Learning Versus Co-Evolution for Acquiring Othello Position Evaluation 中通过对比即时差分学习（TDL，Temporal Difference Learning）和协同进化（CEL，Co-

对于给定的Alpha_Beta博弈树，使用Alpha_Beta剪枝算法对其进行剪枝，输出剪掉的结点。-For a given Alpha_Beta game tree pruning algorithm using Alpha_Beta tree was pruned to cut output nodes.

人工智能博弈树，采用极大极小搜索和α-β剪枝算法，搜索深度为2的棋盘博弈-Artificial intelligence game tree, using the minimax search with alpha beta pruning algorithm, the search depth is a chessboard game of 2