α-β剪枝实现的一字棋实验报告.docVIP

人工智能大作业 ——极大极小算法和( -(剪枝实现一字棋目录 一、实验目的 3 二、实验环境 3 三、实验原理 3 3.1 游戏规则 3 3.2 极小极大分析法 3 3.3 ( -(剪枝算法 4 3.4 输赢判断算法设计 5 四、数据结构 5 4.1 程序流程 5 4.2 主要成员函数 5 4.2.1 估值函数 5 4.2.2 Alpha-Beta 剪枝算法 6 4.2.3 判断胜负 6 4.2.4 鼠标左键响应 6 4.2.5 Draw 系列函数 6 4.2.6 COMPUTER or PLAYER 先走 7 五、实验内容 7 5.1 基本功能简介 7 5.2 流程图. 8 5.2.1 估价函数 8 5.2.2 Alpha-Beta 剪枝 9 六、实验小结 10 七、实验源代码 10 一、实验目的 学习极大极小搜索及( -( 剪枝。 3.1 游戏规则 一字棋游戏（又叫三子棋或井字棋），是一款十分经典的益智小游戏。井字棋 的棋盘很简单，是一个 3×3 的格子，很像中国文字中的井字，所以得名井字棋。井字棋游戏的规则与五子棋十分类似，五子棋的规则是一方首先五子连成一线就胜利；井字棋是一方首先三子连成一线就胜利。 井字棋（英文名 Tic-Tac-Toe） 井字棋的出现年代估计已不可考，西方人认为这是由古罗马人发明的；但我们中国人认为，既然咱们都发明了围棋、五子棋，那发明个把井字棋自然是不在话下。这些纯粹是口舌之争了，暂且不提。 3.2 极小极大分析法 设有九个空格，由 MAX，MIN 二人对弈，轮到谁走棋谁就往空格上放一只自己的棋子，谁先使自己的棋子构成三子成一线(同一行或列或对角线全是某人的棋子)，谁就取得了胜利。 用圆圈表示 MAX，用叉号代表 MIN。 比如左图中就是 MAX 取胜的棋局。 估价函数定义如下： 设棋局为 P，估价函数为 e(P)。(1) 若 P 对任何一方来说都不是获胜的位置，则 e(P)=e(那些仍为 MAX 空着的完全的行、列或对角线的总数)-e(那些仍为 MIN 空着的完全的行、列或对角线的总数) (2) 若 P 是 MAX 必胜的棋局，则 e(P)＝+( （实际上赋了 60）。 (3) 若 P 是 B 必胜的棋局，则 e(P)＝-( （实际上赋了-20）。 比如 P 如下图示,则 e(P)=5-4=1 需要说明的是，+(赋60，-(赋-20的原因是机器若赢了，则不论玩家下一步是否会赢，都会走这步必赢棋。 3.3 ( -(剪枝算法 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(-( 剪枝技术。 ( -( 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 (，并且这个 ( 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 (，即 (((，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 ( 剪枝。 (2) 对于一个或节点 MAX，若能估计出其倒推值的下确界 (，并且这个 ( 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 (，即 (((，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 ( 剪枝。 从算法中看到： (1) MAX 节点(包括起始节点)的 ( 值永不减少； (2) MIN 节点(包括起始节点)的 ( 值永不增加。 在搜索期间，( 和 ( 值的计算如下： (1) 一个 MAX 节点的 ( 值等于其后继节点当前最大的最终倒推值。 (2) 一个 MIN 节点的 ( 值等于其后继节点当前最小的最终倒推值。 四、数据结构 4.1 程序流程 4.2 主要成员函数 4.2.1 估值函数 估价函数int CTic_MFCDlg::evaluate(int board[]) 完成功能：根据输入棋盘，判断当前棋盘的估值，估价函数为所讲： 若是 MIN 的必胜局，则 e = -INFINITY，这里为-20，这样赋值的原因是机器若赢了，则不考虑其它因素。 其它情况，棋盘上能使 CUMPUTER 成三子一线的数目为 e1 棋盘上能使 PLAYER成三子一线的数目为 e2， e1-e2 作