python - 带有Minimax和Alpha-beta修剪功能的3D Tic Tac Toe选择了次佳的 Action

我正在尝试用alpha-beta修剪来实现一个3d tic-tac-toe游戏的minimax。然而，该算法似乎选择了次优路径。
例如，你可以通过直接穿过立方体的中间或者穿过一块木板来取胜。人工智能似乎选择了下一个回合而不是当前回合的最佳单元。
我试过重新创建和使用我返回的启发式算法，但没有取得太大进展不管是哪一层，似乎都有同样的问题。
代码是here。
相关的部分是computers_move和think_ahead（还有'2'变体，它们只是我在尝试一种稍微替代的方法）。
我希望这可能是我忽略的一件简单的事情，但据我所知，我不确定问题是什么如果有人能澄清这个问题，我将不胜感激。

def computers_move2(self):
    best_score = -1000
    best_move = None
    h = None
    win = False

    for move in self.allowed_moves:
        self.move(move, self.ai)
        if self.complete:
            win = True
            break
        else:
            h = self.think_ahead2(self.human, -1000, 1000)
        self.depth_count = 0
        if h >= best_score:
            best_score = h
            best_move = move
            self.undo_move(move)
        else:
            self.undo_move(move)

    if not win:
        self.move(best_move, self.ai)
    self.human_turn = True

def think_ahead2(self, player, a, b):
    if self.depth_count <= self.difficulty:
        self.depth_count += 1
        if player == self.ai:
            h = None
            for move in self.allowed_moves:
                self.move(move, player)
                if self.complete:
                    self.undo_move(move)
                    return 1000
                else:
                    h = self.think_ahead2(self.human, a, b)
                    if h > a:
                        a = h
                        self.undo_move(move)
                    else:
                        self.undo_move(move)
                if a >= b:
                    break
            return a
        else:
            h = None
            for move in self.allowed_moves:
                self.move(move, player)
                if self.complete:
                    self.undo_move(move)
                    return -1000
                else:
                    h = self.think_ahead2(self.ai, a, b)
                    if h < b:
                        b = h
                        self.undo_move(move)
                    else:
                        self.undo_move(move)
                if a >= b:
                    break
            return b
    else:
        diff = self.check_available(self.ai) - self.check_available(self.human)
        return diff

最佳答案

结果我的算法看起来运行良好。这个问题是由我的助手函数move和undo_move引起的。另外，根本问题是我允许的一组移动。
我注意到当它在探索树的时候，在computer_plays的最外层循环中移动的次数大大减少了。即使在第一次扫描中，计算机和人类玩家每两圈允许移动的次数也会从27次减少到20次，然后是10次，最后是5次。
结果临时测试的动作没有被替换。所以我把这个集合换成了一个标准列表，并在每次移动/撤消之后对列表进行排序，这样就完全解决了我的问题。