Serendipity
93c16edb5a
- 修正主README.md中的所有路径引用，使其与当前文件结构一致 - 更新翁凯C语言学习指南链接路径 - 更新五子棋AI项目文档链接路径 - 更新数据结构学习文档链接路径 - 修正编译说明和学习模块使用指南中的目录路径 - 改进五子棋README.md的编译运行说明，增加Windows和Linux/macOS的分平台指导 - 确保所有文档链接和路径引用都能正确工作
10 KiB
10 KiB
五子棋人机对战AI项目
项目简介
这是一个基于C语言实现的高级五子棋人机对战系统，采用α-β剪枝的极小极大算法实现AI决策，支持自定义棋盘大小和完整的游戏复盘功能。
🎯 更完善的版本推荐：如果您想体验功能更加完整的五子棋系统，可以查看我的升级版项目 Gobang-Game，该版本新增了SDL3图形化界面、网络对战功能、多种游戏模式、智能评分系统等现代化特性，提供更丰富的游戏体验。
核心功能
- 支持5x5到25x25的棋盘尺寸
- 玩家(X)与AI(○)对战模式
- AI采用α-β剪枝优化的极小极大算法
- 详细的棋型评估系统（活四、冲四、活三等）
- 完整的游戏复盘功能
- 清晰的棋盘界面显示
技术特点
-
AI算法：
- 使用α-β剪枝优化的极小极大算法
- 搜索深度可调（当前设置为3层）
- 优先处理威胁位置（如阻止玩家形成活四）
-
评估系统：
- 考虑四个方向的棋型评估
- 区分活棋、眠棋和死棋
- 位置奖励（中心位置价值更高）
-
游戏流程：
- 完整的胜负判定
- 平局检测
- 详细的复盘系统
编译运行
-
编译程序：
gcc "五子棋 copy 3.c" -o gobang -lm -
运行游戏：
./gobang
使用说明
- 启动后输入棋盘尺寸（5-25，默认15）
- 游戏进行：
- 玩家输入坐标格式：行 列（如"8 8"）
- AI会自动计算最佳落子位置
- 游戏结束：
- 显示胜负结果
- 可选择查看完整复盘
核心函数说明
1. ai_move() - AI决策函数
功能：决定AI的最佳落子位置
算法：
- 优先检查是否需要阻止玩家形成活四/冲四
- 使用α-β剪枝优化的极小极大算法搜索最佳位置
- 考虑已有棋子附近2格范围内的位置
参数：无
返回值：无（直接修改棋盘状态）
2. evaluate_pos() - 棋型评估函数
功能：评估特定位置对当前玩家的价值
评分标准：
- 活四: 100000分
- 冲四: 10000分
- 活三: 5000分
- 眠三: 1000分
- 活二: 500分
- 眠二: 100分
参数：
- x,y: 待评估位置坐标
- player: 当前玩家标识 返回值：评估分数（越高越好）
3. dfs() - 深度优先搜索
功能：实现带α-β剪枝的极小极大算法
特点：
- 搜索深度：3层
- 使用α-β剪枝优化搜索效率
- 评估函数差值作为叶节点值 参数：
- x,y: 当前落子位置
- player: 当前玩家
- depth: 剩余搜索深度
- alpha,beta: 剪枝参数
- is_maximizing: 是否最大化玩家
4. count_specific_direction() - 方向分析
功能：计算特定方向上的连续棋子情况
返回结构：
- continuous_chess: 连续棋子数
- check_start/check_end: 两端是否开放 应用：用于判断棋型（活棋/眠棋）
5. check_win() - 胜负判断
功能：检查落子后是否形成五连珠
逻辑：检查四个方向是否存在≥5的连续同色棋子
程序流程图
开始
│
├─> 初始化棋盘
│ │
│ └─> 设置默认大小(15x15)
│
├─> 游戏主循环
│ │
│ ├─> [玩家回合]
│ │ ├─> 显示棋盘
│ │ ├─> 获取玩家输入坐标
│ │ └─> 落子并检查胜负
│ │
│ ├─> [AI回合]
│ │ ├─> AI计算最佳落子(α-β剪枝)
│ │ └─> 落子并检查胜负
│ │
│ └─> 检查平局条件
│
├─> 游戏结束处理
│ ├─> 显示胜负结果
│ └─> 询问是否复盘
│ ├─> 是: 显示完整复盘
│ └─> 否: 退出游戏
│
└─> 程序结束
关键代码实现
1. AI决策核心算法
// α-β剪枝极小极大算法实现
int dfs(int x, int y, int player, int depth, int alpha, int beta, int is_maximizing)
{
if (depth == 0 || check_win(x, y))
{
return evaluate_pos(x, y, player) - evaluate_pos(x, y, 3 - player);
}
if (is_maximizing)
{
int max_eval = INT_MIN;
for (每个可能位置)
{
int eval = dfs(x, y, player, depth-1, alpha, beta, 0);
max_eval = max(max_eval, eval);
alpha = max(alpha, eval);
// α剪枝
if (beta <= alpha)
{
break;
}
}
return max_eval;
}
else
{
int min_eval = INT_MAX;
for (每个可能位置)
{
int eval = dfs(x, y, player, depth-1, alpha, beta, 1);
min_eval = min(min_eval, eval);
beta = min(beta, eval);
// β剪枝
if (beta <= alpha)
{
break;
}
}
return min_eval;
}
}
2. 棋型评估函数
// 评估特定位置的棋型价值
int evaluate_pos(int x, int y, int player)
{
int score = 0;
for (四个方向)
{
ChessPattern pattern =count_specific_direction(x, y, dir);
if (pattern.continuous_chess >= 5)
{
return 1000000; // 五连珠
}
// 活棋
if (pattern.check_start && pattern.check_end)
{
if (pattern.continuous_chess == 4)
score += 100000; // 活四
else if (pattern.continuous_chess == 3)
score += 5000; // 活三
else if (pattern.continuous_chess == 2)
score += 500; // 活二
}
// 眠棋
else if (pattern.check_start || pattern.check_end)
{
if (pattern.continuous_chess == 4)
score += 10000; // 冲四
else if (pattern.continuous_chess == 3)
score += 1000; // 眠三
else if (pattern.continuous_chess == 2)
score += 100; // 眠二
}
}
return score;
}
3. 胜负判断逻辑
// 检查是否形成五连珠
int check_win(int x, int y)
{
for (四个方向)
{
int count = 1;
// 正向检查
for (int i = 1; i < 5; i++)
{
if (棋盘边界检查 || 棋子不连续)
{
break;
}
count++;
}
// 反向检查
for (int i = 1; i < 5; i++)
{
if (棋盘边界检查 || 棋子不连续)
{
break;
}
count++;
}
// 五连珠
if (count >= 5)
{
return 1;
}
}
return 0;
}
项目结构
五子棋 copy 3.c- 主程序文件（当前使用版本）- 其他
五子棋 copy*.c文件为开发过程中的不同版本
注意事项
- 编译时需要链接数学库（-lm）
- 确保输入坐标在棋盘范围内
- AI思考时间随棋盘大小和搜索深度增加
详细技术实现说明
1. 主函数(main)执行流程
-
初始化阶段：
- 提示用户输入棋盘尺寸(5-25)，默认15x15
- 初始化棋盘状态(全空)
- 打印初始空棋盘
-
游戏主循环：
- 玩家回合：
- 提示玩家输入坐标(行列格式)
- 验证坐标有效性(是否在棋盘范围内且为空位)
- 在棋盘放置玩家棋子(X)
- 检查是否形成五连珠(玩家胜利)
- AI回合：
- 调用ai_move()计算最佳落子位置
- 在棋盘放置AI棋子(○)
- 检查是否形成五连珠(AI胜利)
- 平局检查：
- 当棋盘已满且无胜负时判定平局
- 玩家回合：
-
游戏结束处理：
- 显示最终胜负结果
- 提供复盘功能(逐步展示整个对局过程)
2. AI决策系统(ai_move)
防御策略：
- 优先检查玩家可能形成的威胁棋型：
- 活四(必须立即阻挡)
- 冲四(一端被堵的四连珠)
- 活三(两端开放的三连珠)
进攻策略：
-
使用α-β剪枝优化的极小极大算法：
- 搜索深度：3层
- 评估函数：evaluate_pos()差值
- 剪枝条件：alpha ≥ beta时终止搜索
-
搜索优化：
- 仅考虑已有棋子周围2格范围内的空位
- 中心位置奖励(棋盘中心区域价值更高)
- 对称位置剪枝(减少重复计算)
3. 棋型评估系统(evaluate_pos)
评分标准详细说明：
-
活棋(两端开放)：
- 活四：100000分(必胜)
- 活三：5000分(高威胁)
- 活二：500分(潜在威胁)
-
眠棋(一端开放)：
- 冲四：10000分(次高威胁)
- 眠三：1000分(中等威胁)
- 眠二：100分(低威胁)
-
死棋(两端封闭)：
- 无威胁价值，仅基础分
-
位置奖励：
- 中心区域：额外加分(50*(BOARD_SIZE-距离))
- 边角区域：基础分
评估过程：
- 四个方向(水平、垂直、对角线)分别评估
- 综合最高分方向和所有方向加权分
- 考虑当前玩家和对手的分数差值
4. 胜负判断(check_win)
实现细节：
-
四个方向检查：
- 水平(→)
- 垂直(↓)
- 主对角线(↘)
- 副对角线(↙)
-
检查逻辑：
- 从当前位置向两个方向延伸
- 统计连续同色棋子数
- 任一方向≥5即判定胜利
-
优化措施：
- 边界检查避免数组越界
- 提前终止(发现5连立即返回)
5. 复盘系统(review_process)
实现机制：
-
数据结构：
- 使用steps数组记录每一步落子
- 包含玩家类型、坐标信息
-
回放过程：
- 逐步重建棋盘状态
- 显示每一步的落子位置
- 支持暂停/继续控制
-
可视化：
- 清晰的棋盘显示
- 回合计数和玩家标识
- 坐标转换(0-base转1-base)
6. 方向分析(count_specific_direction)
算法细节：
-
输入参数：
- 起始坐标(x,y)
- 方向向量(dx,dy)
- 玩家标识
-
分析过程：
- 正向延伸(统计连续棋子)
- 反向延伸(统计连续棋子)
- 检查两端开放状态
-
输出结构：
- 连续棋子数
- 起点开放状态
- 终点开放状态
应用场景：
- 胜负判断
- 棋型评估
- 威胁检测