α-β剪枝算法是计算机博弈类游戏算法的基础，是一种优化的博弈树搜索算法，使用α-β剪枝算法搜索博弈树时，可以剪去一些不必要的分枝，从而提高搜索效率；而α-β剪枝算法的剪枝效率又取决于所构建的博弈树的分枝的排列顺序，理想排列顺序下的剪枝效率和最差情况下相比差别极大。本文提出的使用机器学习的算法来改进博弈树分枝的排列顺序，可以极大的提高α-β剪枝算法的剪枝效率。在文中，作者介绍了α-β剪枝算法的剪枝原理及已经存在的各种优化算法，给出了构建用于辅助α-β剪枝算法剪枝的学习系统的通用方法及注意事项。为了验证本文所提出的改进方法，作者首先设计并实现了基于α-β剪枝算法的井字棋游戏，然后通过人机博弈来获取用于训练学习系统的训练样例；其次，作者设计并实现了一个BP神经网络，该网络由14个隐藏节点，9个输出节点构成，能够对博弈树的分枝按其成为最佳路径的概率排序，经过前面提取的训练样例的训练后，BP神经网络对测试样本中的50%可以做出正确预测，即训练后的神经网络能够以当前棋局状态为输入，以50%的正确率预测下一步的最佳走法；最后，作者把训练好的BP神经网络加到了井字棋游戏中，经过验证发现，改进后的井字棋与原有井字棋相比，在博弈结果为平局的情况下，所搜索的节点个数可以减少35%左右。经过一系列的尝试和验证发现，本文所提出方法确实能够很大程度的提高α-β剪枝算法的剪枝效率。