1零和博弈与极大极小
闭卷重建零和博弈与极大极小的对象、公式、算例、算法与失败边界。
人工智能基础 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2Alpha-Beta剪枝
闭卷重建Alpha-Beta剪枝的对象、公式、算例、算法与失败边界。
3动作排序与搜索深度
闭卷重建动作排序与搜索深度的对象、公式、算例、算法与失败边界。
4深度截断与评价函数
闭卷重建深度截断与评价函数的对象、公式、算例、算法与失败边界。
5随机博弈与Expectimax
闭卷重建随机博弈与Expectimax的对象、公式、算例、算法与失败边界。
6蒙特卡洛树搜索
闭卷重建蒙特卡洛树搜索的对象、公式、算例、算法与失败边界。
7博弈评测与时间控制
闭卷重建博弈评测与时间控制的对象、公式、算例、算法与失败边界。
第 1 页 · 背面（答案）
对象：α是MAX已保证下界，β是MIN已保证上界；α≥β时剩余分支不影响结果。；公式：prune if α≥β。；算例：某MIN节点β=3，祖先α=5，因5≥3可剪剩余子树。；边界：剪枝返回值写错改变决策；未保存玩家视角。。
对象：两人零和完全信息博弈中MAX最大化、MIN最小化终局效用。；公式：V(s)=max_a V(T(s,a))或min_a V(T(s,a))。；算例：MIN子节点叶值[3,5]取3；[2,9]取2；根MAX取max(3,2)=3。；边界：MAX/MIN层写反；效用视角随玩家切换未统一。。
对象：不能搜到终局时以评价函数估计叶局面，并用迭代加深管理时限。；公式：V_d(s)=Eval(s) at cutoff。；算例：评价=2×己方棋子−对方棋子；己3对方4得2。；边界：在递归中途超时返回半成品；评价特征双计。。
对象：好动作先搜可使alpha-beta最好接近O(b^(d/2))，但不改变精确值。；公式：best time≈O(b^(d/2))。；算例：b=4,d=6，最优排序叶代理4³=64，朴素4⁶=4096。；边界：声称排序会改变最优动作；用测试答案泄漏排序。。
对象：MCTS循环选择、扩展、模拟、回传；UCT平衡均值与探索。；公式：UCT=Q_i/N_i+c√(ln N/N_i)。；算例：Q/N=.6，N=100,N_i=4,c=1，探索项√(ln100/4)≈1.073，UCT≈1.673。；边界：回传视角符号错误；零访问节点除零。。
对象：机会节点按结果概率取期望，不能当作对手最坏选择。；公式：V(chance)=Σp_i V_i。；算例：结果值10和-2，概率.25和.75，期望2.5−1.5=1。；边界：把骰子节点用MIN；漏掉低概率高损失结果。。
对象：棋力用配对对局、先后手平衡、Elo置信区间和固定时限评价。；公式：E_A=1/(1+10^((R_B−R_A)/400))。；算例：同分两方预期得分.5；20局预期10分。；边界：只挑胜局；新程序得到更多时间或硬件。。