- 玩家可以选择任意数量的棋子移动。例如没有，全部，或介于两者之间的某个数字。（而在国际象棋中你只能移动一个）

这句话特别是真正导致你的法律行动规模扩大的部分。你在这里有一个组合动作空间。如果你的每一个棋子都有 8 个合法的移动，那么就是：

• 第一个棋子有 8 个合法动作（如果该计数尚未包括“什么都不做”选项，则为 9 个）
• 对于这些中的每一个，第二个部分又有 8 或 9 个不同的选择（导致例如$8 \times 8 = 64$仅前两件的可能组合）
• 对于这些中的每一个，第三个部分再次有 8 个选择（导致$64 \times 8 = 512$仅前三件的可能组合）。
• 等等。

这爆发得太快了，使用任何基于 MiniMax 的算法（包括诸如 alpha-beta 修剪、主要变异搜索等），真的没有希望得到一个像样的玩家。

在您描述的各种游戏中，您将希望使用可以利用您的动作空间“结构”的算法。所有可能组合的原始枚举很快就会爆炸，但是许多算法可以通过以这样一种方式重新表述问题，使你有更多的“深度”而不是“广度”来做得相当好。例如，您可以将每个片段的选择视为单独的“动作”，而不是将所有片段的完整选择组合视为单个“动作”。

而不是做出单一的选择$8 \times 8 \times 8 \times \dots$每回合都有可能，您希望有一个搜索树，让您的玩家在其中做出一个选择$8$（对于第一件），紧接着是另一个选择$8$（对于第二个棋子）等等。只有在当前玩家为所有棋子做出选择后，对方玩家才能做出选择。有了这样的策略，你的搜索树的广度将不再是问题，但深度将成为问题。为了解决这个问题，您还需要确保您的方法可以泛化到不同的深度级别。

一个很好的地方是蒙特卡洛树搜索的组合版本，例如：

• https://project.dke.maastrichtuniversity.nl/games/files/msc/Roelofs_thesis.pdf
• https://www.jair.org/index.php/jair/article/view/11053
• （可能是第二个链接的作者的其他一些出版物）

这些算法虽然比 MiniMax 复杂得多，但相比之下 MiniMax 是一个非常基本的算法。