java实现nimm游戏，用了apha beta剪枝+最大最小

使用alpha-beta剪枝算法实现中国象棋人机对战，AI具有中级的智能，可以应对一般的象棋爱好者。

算法非常强大，一般人赛不过机器，界面友好，可以说是非常非常有用

比较简单的alpha-beta剪枝算法，帮助理解，代码中的树需要自己构造

函数 alphaBetaFilter 实现了 alpha-beta 滤波器的通用算法，该算法是给定观察数据的位置和速度的线性状态估计。 它的作用类似于平滑。 也与卡尔曼滤波器和控制理论中使用的线性状态观察器密切相关。 它的主要优点是不需要详细的系统模型。

国际象棋 该项目专注于计算机科学概念，例如数据结构和算法。 Chessnut是我们用于所有移动和棋逻辑的棋引擎。 我们正在使用一棵树来生成可能的棋盘，该棋盘可进行3级深度和深度优先搜索，最小极大值和alpha-beta修剪，以根据以下启发式方法找到最佳动作： 材料（每个玩家的总件数） 可能采取的法律行动的数量，重点是中心广场 检查/检查状态 典当结构 当前，由于递归函数要使用大量的计算能力，因此尝试实现多处理功能，因此在超过4个级别的深度上计算启发式状态需要花费大量时间。 深度为3级时，我们的AI做出了不错的动作，但也提出了许多不明智的建议。 人工智能的国际象棋情报估计为9级中的3级。 极小极大算法 从Wikipedia的简洁定义中借用的是“用于最小化最坏情况（最大损失）情况下可能的损失的决策规则”。 对于国际象棋，扮演角色的玩家是最大化者，其移动将受到对手（最小化者）的对抗React

纯手写，速度比较慢，结合了贪心算法，alpha-beta剪枝有时候不能出解的bug用贪心算法弥补

2048 AI 约翰·休斯（John Hughes）在论文所描述的，使用minimax和alpha-beta修剪的2048游戏AI。 AI是用Haskell编写的，并在Yesod后端运行。 决策通过websockets连接流式传输到浏览器。 演示： : 跑步 安装堆栈，libsass，以及可选的docker和docker-compose。 curl -sSL https://get.haskellstack.org/ | sh brew install libsass 对于开发，您需要yesod或ghcid stack install yesod-bin --install-ghc stack install ghcid 开发模式 // setup database source docker/dependencies.env docker-compose up -d

不用神经网络强化学习，只用alpha-beta剪枝和搜索实现的下象棋！我们的中国象棋使用python实现，总共2000+行代码，分为走法计算、评估函数与搜索和UI三部分，并采用历史启发算法进行优化，有着不错的效果。可以实现正常的人机对战，有着普通人的棋力。详细信息（有惊喜）可以查看博客https://blog.csdn.net/weixin_43398590/article/details/106321557

国际象棋 该项目专注于计算机科学概念，例如数据结构和算法。 Chessnut是我们用于所有移动和棋逻辑的棋引擎。 我们正在利用一棵树来生成可能的棋盘，该棋盘可进行3级深度和深度优先搜索，最小极大值和alpha-beta修剪，以根据以下启发式方法找到最佳动作： 材料（每个玩家的总件数） 可能采取的法律措施的数量，重点是中心广场 检查/检查状态 典当结构 当前，由于递归函数要使用大量的计算能力，因此尝试实现多处理功能，因此在超过4个级别的深度上计算启发式状态需要花费大量时间。 深度为3级时，我们的AI做出了不错的动作，但也提出了许多不明智的建议。 人工智能的国际象棋情报估计为9级中的3级。 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 先决条件 （与Python2.7兼容） 正在安装 安装必备组件并克隆此存储库后，进入该存储库并创建一个虚拟环境： v