在雷达系统当中，跟踪的应用种类很多，包括但不限于`目标定位、自主导航、天气预测、空中交通管制和军事应用`等等，那么**如何获得更加准确的关于目标数据**就成为一个至关重要的问题。，`跟踪滤波器`为一种较好的方式，跟踪滤波器的**主要目的**就是`在充满不确定性的情况下，获得更为精准的目标的位置信息、速度信息、加速度信息等`，其中的alpha-beta滤波器为最基础的一种用于简单目标跟踪滤波的滤波器类型，了解此种滤波器对于后续的卡尔曼滤波器具有一定的帮助，本程序对其进行了MATLAB仿真，程序正确，结果较好，大家可以自行下载查看学习

利用C#写的一个简单的黑白棋。评估函数有两个一个比较简单，一个比较复（复杂也是参考别人的），以及利用极大极小搜索和Alpha-Beta搜索算法实现的AI。

充分利用这些模拟来了解从ABC到ALPHA-BETA到DQ转换，以及从ABC到DQ转换。 希望对您有帮助。 如果需要了解任何问题，请通过（nest2020engg@gmail.com）gmail与我联系。 谢谢....

代码参考自中国大学mooc上人工智能与信息社会陈斌老师的算法，我在原来的基础上增加了玩家输入的异常捕获 AlphaBeta剪枝算法是对Minimax方法的优化，能够极大提高搜索树的效率，如果对这个算法感兴趣的可以去参考相关资料。

python实现采用Alpha-Beta剪枝搜索实现黑白棋AI源码（人工智能期末作业）.zip 黑白棋 实验要求： 使用 『最小最大搜索』、『Alpha-Beta 剪枝搜索』 或 『蒙特卡洛树搜索算法』 实现 miniAlphaGo for Reversi（三种算法择一即可）。 使用 Python 语言。 算法部分需要自己实现，不要使用现成的包、工具或者接口。 Result： 实现 AIPlayer 类，采用 Alpha-Beta 剪枝搜索实现黑白棋 AI

alpha beta 滤波器是一种简化形式的观察器，用于估计、数据平滑和控制应用。 它与卡尔曼滤波器和控制理论中使用的线性状态观测器密切相关。 它的主要优点是不需要详细的系统模型。

基于python的AI五子棋实现（极大极小值搜索和alpha beta剪枝的实现与应用） 算法采用极大极小剪枝博弈算法。 运行环境：python3.6.5

FanoronaGame_JAVA

Fanorona-游戏-AI 使用和在人类和 AI 之间的棋盘游戏Python GUI 实现。 快照 ## 使用的设计策略： 1. **截止**： 我使用截止设置了最大深度限制（3X3 中的 15 个，5X5 中的 7 个），当在这个深度级别调用 min_value 函数时，它将返回一个由评估函数估计的板位置的实用值。 2. **AI启发式评估函数**： 它被定义为：(#AI_piece - #human_piece) / (#AI_piece + human_piece) 但是考虑到棋子可以向8个方向移动的特殊位置，这表明位置攻击优势，所以如果AI_piece在该位置，则计为1.5块，如果human_piece在该位置，则计为0.5 human_piece。 3. **抽签决定**： 当程序检测到人类和 AI 动作之间的“摆动动作”时，该程序将判定游戏为平局。 本质规则 两

这个是我们老师在上课时对alpha-beta剪枝的解释，个人觉得比较容易理解，因为在博客中无法上传视频，所以只能上传为资源了．对于这个视频我有相应的博客解释．