我读到了极小极大，然后是 alpha-beta 剪枝，然后是迭代深化。与单独的 alpha-beta 相比，迭代深化与 alpha-beta 修剪相结合证明是非常有效的。
我已经实现了一个游戏代理，它使用带有 alpha-beta 修剪的迭代加深。现在，我想打败自己。我该怎么做才能更深入？就像 alpha-beta 修剪减少了动作一样，还有什么其他的小变化可以击败我的旧 AI？
我的目标是比我目前的 AI 更深入。如果您想了解游戏，这里有一个简短的摘要：
有 2 名玩家、4 个棋子和一个 7×7 的方格。在游戏开始时，第一个玩家将两个棋子放在任意两个不同的方格上。从那时起，玩家轮流移动两个棋子，就像国际象棋中的皇后（垂直、水平或对角线的任意数量的空心方块）。当棋子移动时，先前占据的方格被挡住。该方块不能用于剩余的游戏。棋子不能通过被阻挡的方格。第一个无法移动任何一个皇后的玩家输了。
所以我的目标是减少不需要的节点并进行更深入的搜索。
您要添加的第一件事可能是转置表，这也是 SmallChess 所建议的。
之后，我会研究Aspiration Search和/或Principal Variation Search（另请参阅此页面）。
然后我会研究诸如Killer Move Heuristic之类的东西，也许还会看看您是否可以更有效地实现引擎的现有部分（例如，使用位板来表示您的状态）。
除此之外，国际象棋编程维基可能还有许多其他有趣的页面。
尝试缓存或转置表。没有它，您的搜索树可能会爆炸。
要通过 alpha-beta 修剪来提高迭代加深，您可以使用 SSS* 搜索算法，它是最好的第一策略算法。SSS*算法可以提高整体算法的时间效率，但会增加空间复杂度。我将 wiki 链接到它https://en.wikipedia.org/wiki/SSS* 我将在获得更好的解决方案后立即更新答案。
您可以尝试移动排序，我们将值存储到深度 d，对它们进行排序并以特定顺序使用它们，然后再进行深度 d+1 ...