以前曾研究過五子棋的人工智慧演算法，這篇文章就是講的實現與原理。當然也只是做了最簡單的研究，人工智慧是個高深的學問，我基本上不懂，這裡的實現也只是憑自己的感覺來寫的，程式也不是我寫的，但是原理就是這樣。我相信還有高手，我的文章也只能提供給一些初學者看看了。
電腦下子實際上是分兩個步驟的，第乙個步驟是盡可能的收集棋盤格局的資訊，並且使這些資訊以一定的格式存放再記憶體中，以便於第二步的處理。第二個步驟就是，對收集到的資訊進行分析處理，即要給出乙個規則，用窮舉搜尋的辦法遍歷所有收集到的資訊，搜尋的過程實際上是用所定下的規則去衡量每一點的權值，搜尋的目的是為了找到乙個權值最大的點，這個點就是當前的最優解，也就是應該下的子。
具體的說來，在第一步中，可以用乙個13×13的二維陣列來存放棋盤上每乙個點的資訊。每下一步棋，就用乙個13×13的二重迴圈去遍歷棋盤上的每乙個點，可以參照如下的方法，即對於每乙個點，我們假定這個點放上黑子，這時候就判斷這個黑子放上去後，會形成多少個活2、活3、活4和五，然後把對應的數值填入上面所說的二維陣列裡面，然後再假定這個點放白棋，又會形成多少個活2、活3、活4和五，也填入二維陣列裡面。當然你也可以用兩個二維陣列分別儲存黑子和白子的情況，而且最好採用結構體陣列。這樣遍歷完棋盤後，再陣列裡面就儲存了有用的棋盤格局資訊。如下：
typedef struct tagnodeinfo
nodeinfo,*pnodeinfo;
nodeinfo white_chess[13][13];
nodeinfo black_chess[13][13];
下面就是如何利用所得到的資訊去下棋了。這個過程也是遍歷分析所得的資訊的過程。對上面的資訊，我們可以很好的處理。比如，假定四三是必勝的，則我們給他的權值就很大比如100吧，而活二給的權值應該比較小，就給1吧。然後你可以得到乙個權值的計算公式，比如： 權值＝活二的個數×1+活三的個數×5+活四的個數×10+四三的個數×100，就是類似這樣的公式，當然我上面是隨便舉的。
下棋是就是遍歷每乙個點的資訊，對每乙個點計算權值，找到權值最大的就是要下的點了。上面說了用兩個陣列分別儲存黑子和白子的資訊也是有必要的，因為可以計算出某一點對黑白雙方的重要程度。就是說如果輪到你下白子了，你光看哪一點對白子有利也不行呀，還要看那些點對黑子有利，並且要比較這種有利的程度。如果你放某一點能成活3，而別人放另一點就是四三了，你就要搶先吧那一點佔了。
當然這樣的演算法也僅僅是考慮了當前的最優解，如果要進一步提高人工智慧，就要用更高階的搜尋法，對未來的幾步進行搜尋了。一般都是將搜尋空間組織成二叉樹的結構。這個我學的也不是很好，所以就不講了。
實際上，上面講的辦法還具有一般意義，不光是可以用到五子棋，再其他的棋類裡面也是這樣的，先搜尋資訊，再分析。
五子棋（人工智慧）
五子棋 人人對戰 人機對戰 include include 字元陣列的函式定義的標頭檔案 include standard library標準庫標頭檔案 define kong 0 define wanjia 1 define diannao 2 空位置設為0 玩家下的位置設為1 電腦下的位置設為2...
人工智慧五子棋實現原理
關於棋盤棋子的實現邏輯我就不多說了，大家可以看原始碼，並不複雜，說說ai部分的實現吧 我的實現思路是 1.走對自己獲得勝利最有利的點 說白了就是最接近5子連線的點 2.堵對對方獲得勝利最有利的點 說白了就是堵對方的棋子 做到這兩步就能實現乙個初級階段的人工智慧了。那麼接下來就講講關於計算獲得勝利最有...
人工智慧實現簡單的五子棋程式
我這個程式在qq五子棋上實驗了一下，結果是黑棋先手全勝，白棋后手的勝率卻慘不忍睹，原因有下 1 五子棋的先手是有優勢的，所以職業比賽裡都會有禁手來實現公平 2 水平有限，對局面的評估只有一小部分 主要思路就是博弈樹，程式向前看一步，對對手可能的走法進行評估，評估的策略主要有兩條 1 掃瞄整個棋盤，判...