2026年8月6日

第0章：冷酷なる光の刃（ブレード）

電脳闘技場の闇の中、Stoneの小さなハサミの先に、まばゆいシアンの光刃（ブレード）が形成されていく。
彼の目の前には、Minimax関数が生成した数百万という「未来の分岐（ゲーム木）」が、複雑なフラクタル構造を描いて浮かび上がっていた。

Stoneが光刃を一閃すると、計算する価値のない未来の枝（ノード）が次々と切り落とされ、闇へと消えていく。
50msという極限の時間内で探索深度（深さ）を劇的に引き上げる、計算機科学の魔術。
「枝刈り（Pruning）」の時間が始まった！

---

第1章：なぜ「枝刈り」が必要なのか？

前回構築したMinimax関数は、すべての手に対して指定した深さまで探索を行う。
しかし、ゲーム木が O(b^d) で爆発する中、「明らかに不利な手」のその先を深く調べるのは計算資源の無駄だ。

例えば、ある分岐で「自分のクイーンがタダで取られる」ことが確定したとしよう。その手を打つと圧倒的に不利になることがわかっているなら、その先で「ポーンが取れるか、ナイトが取れるか」なんて細かな計算をする必要はない。「この手はダメだ」と見切って、すぐに次の手の計算に移るべきだ。

これをアルゴリズムで実現するのが「Alpha-Beta（アルファ・ベータ）枝刈り」である。

---

第2章：AlphaとBetaの論理

この魔術を実装するためには、前回の関数に alpha と beta という2つの変数を追加し、未来へ伝播させていく必要がある。

• Alpha（アルファ）： 自分のターン（Maximizer）において、「最低でもこれ以上のスコアは確保できる」という保証ライン。（初期値は -∞）
• Beta（ベータ）： 敵のターン（Minimizer）において、「敵が許す最高のスコア（これ以上スコアが高い手は、敵が絶対に選ばせない）」という上限ライン。（初期値は +∞）

---

第3章：Alpha-Betaエンジンの実装

それでは、前回の minimax 関数を alpha_beta 関数へと進化させよう。
型ヒント（Type Hints）を追加し、より堅牢なハッカーのコードに仕上げていくぜ。

# ※ Stateクラス、evaluate_board関数が定義済みであることを前提とする

def alpha_beta(state: 'State’, depth: int, alpha: float, beta: float, is_maximizing_player: bool) -> float:

# 探索の限界に達したか、勝敗が決まった場合

if depth == 0 or state.is_game_over():

return evaluate_board(state)

if is_maximizing_player:
    max_eval: float = -float('inf')

    for move in state.get_legal_moves():
        next_state: 'State' = state.clone()
        next_state.apply(move)

        # 再帰呼び出し（敵のターンへ）
        eval_score: float = alpha_beta(next_state, depth - 1, alpha, beta, False)
        max_eval = max(max_eval, eval_score)

        # Alpha値（自分が確保した最低ライン）を更新
        alpha = max(alpha, eval_score)

        # 枝刈り（Beta <= Alpha なら、これ以上探索しない）
        if beta <= alpha:
            break # ループを抜けて未来を切り捨てる！

    return max_eval

else:
    min_eval: float = float('inf')

    for move in state.get_legal_moves():
        next_state: 'State' = state.clone()
        next_state.apply(move)

        # 再帰呼び出し（自分のターンへ）
        eval_score: float = alpha_beta(next_state, depth - 1, alpha, beta, True)
        min_eval = min(min_eval, eval_score)

        # Beta値（敵が許す最高ライン）を更新
        beta = min(beta, eval_score)

        # 枝刈り
        if beta <= alpha:
            break # 敵にとって不利すぎるルートなので切り捨てる！

    return min_eval

# ※ Stateクラス、evaluate_board関数が定義済みであることを前提とする
def alpha_beta(state: 'State', depth: int, alpha: float, beta: float, is_maximizing_player: bool) -> float:
# 探索の限界に達したか、勝敗が決まった場合
if depth == 0 or state.is_game_over():
return evaluate_board(state)
if is_maximizing_player:
    max_eval: float = -float('inf')

    for move in state.get_legal_moves():
        next_state: 'State' = state.clone()
        next_state.apply(move)

        # 再帰呼び出し（敵のターンへ）
        eval_score: float = alpha_beta(next_state, depth - 1, alpha, beta, False)
        max_eval = max(max_eval, eval_score)

        # Alpha値（自分が確保した最低ライン）を更新
        alpha = max(alpha, eval_score)

        # 枝刈り（Beta <= Alpha なら、これ以上探索しない）
        if beta <= alpha:
            break # ループを抜けて未来を切り捨てる！

    return max_eval

else:
    min_eval: float = float('inf')

    for move in state.get_legal_moves():
        next_state: 'State' = state.clone()
        next_state.apply(move)

        # 再帰呼び出し（自分のターンへ）
        eval_score: float = alpha_beta(next_state, depth - 1, alpha, beta, True)
        min_eval = min(min_eval, eval_score)

        # Beta値（敵が許す最高ライン）を更新
        beta = min(beta, eval_score)

        # 枝刈り
        if beta <= alpha:
            break # 敵にとって不利すぎるルートなので切り捨てる！

    return min_eval

次回、第7回：「枝刈りの刃を研ぎ澄ませ！『Move Ordering（手番の並び替え）』」。
Alpha-Beta枝刈りは強力だが、実は「探索する順番」によってその切れ味が劇的に変わる。ハッカーならではの小技で、枝刈りの効率を極限まで引き上げる手法を解説するぜ！

---

🛠️ Stoneの愛用ギア（ハッカーの開発環境）

プログラマー至高のメカニカルキーボード。無駄なキーを削ぎ落とした洗練された配列と、静電容量無接点方式の極上の打鍵感。Alpha-Betaのように、ノイズ（無駄な疲労）を切り捨ててくれるハッカー必須のギアだ。

---