划分树、倾斜树、线段树、平衡树哪个不是数据结构？

倾斜树不是。
数据结构中提到的树如下所示：
基础类：二叉搜索（排序）树,线索二叉树,哈夫曼树（最优二叉树）,二叉堆
平衡树类：AVL,红黑树,2-3树,2-3-4树,B树,B+树,B-树,treap,SBT
优先队列类：左高树（左偏树,可并堆,斜堆）,双端堆,斐波那契堆
集合类：并查集
区间树类：线段树,划分树,归并树,树状数组
字母树类：字典树,后缀树AC自动机算法
动态树类：伸展树
计算几何类：KD-tree
（块状树）,4叉树
RMQ转LCA：笛卡尔树
图论相关：最小生成树,无根树
其它：败者树,博弈树

博弈树的每个结点表示一个动作对吗：错误。

在博弈树搜索中，整棵博弈树是通过一个个的节点以父子结构连接构成的，这棵博弈树是自组织、自生长的，当搜索到达一个节点之后，如果该节点不是叶子节点的话，则会在其子节点中利用UCB1公式选择一个子节点作为当前节点，如果该节点已经是叶子节点，则调用评估器对该叶子节点进行评估和扩展。由此可见，Node类也就是整个UCT算法的核心。

在Node类中，每个节点最基本的信息就是当前节点的状态了，除此之外，则是关于树的组织结构的信息。而所谓当前节点状态也就是当前节点所处的棋盘状态的信息，为此，继承自Board作为其一个子类是自然而然的想法。

要减小博弈大师占用内存空间，可以考虑以下几个方面：优化算法：通过改进算法，减少博弈树的分支和深度，从而降低内存占用。压缩数据结构：使用压缩算法对数据结构进行压缩，减小内存占用。限制搜索深度：可以设置博弈树搜索的深度，避免搜索过深而导致内存占用过大。清除不必要数据：及时清理不再需要的数据，释放内存空间。以上是减小博弈大师占用内存空间的一些方法。通过优化算法、压缩数据结构、限制搜索深度和清除不必要数据等方式，可以有效降低博弈大师的内存占用。

α-β剪枝技术
首先分析极小极大分析法效率，上述的极小极大分析法，实际是先生成一棵博弈树，然后再计算其倒推值，至使极小极大分析法效率较低。于是在极小极大分析法的基础上提出了α-β剪枝技术。
α-β剪枝技术的基本思想或算法是，边生成博弈树边计算评估各节点的倒推值，并且根据评估出的倒推值范围，及时停止扩展那些已无必要再扩展的子节点，即相当于剪去了博弈树上的一些分枝，从而节约了机器开销，提高了搜索效率。具体的剪枝方法如下：
(1) 对于一个与节点MIN，若能估计出其倒推值的上确界β，并且这个β值不大于 MIN的父节点(一定是或节点)的估计倒推值的下确界α，即α≥β，则就不必再扩展该 MIN节点的其余子节点了(因为这些节点的估值对MIN父节点的倒推值已无任何影响 了)。这一过程称为α剪枝。
(2) 对于一个或节点MAX，若能估计出其倒推值的下确界α，并且这个α值不小于 MAX的父节点(一定是与节点)的估计倒推值的上确界β，即α≥β，则就不必再扩展该MAX节点的其余子节点了(因为这些节点的估值对MAX父节点的倒推值已无任何影响 了)。这一过程称为β剪枝。

---