用Python实现Minimax算法（从零开始构建智能井字棋AI）

实战：用Python实现井字棋Minimax AI

我们将分三步完成这个项目：

1. 创建井字棋游戏的基本结构；
2. 编写胜负判断函数；
3. 实现Minimax算法。

第1步：初始化游戏棋盘

我们用一个3x3的二维列表表示棋盘，空位用' '（空格）表示，AI用'O'，玩家用'X'。

# 初始化空棋盘def create_board():    return [[' ' for _ in range(3)] for _ in range(3)]# 打印棋盘def print_board(board):    for row in board:        print('|'.join(row))        print('-' * 5)

第2步：判断游戏是否结束

我们需要一个函数来检查是否有玩家获胜，或者是否平局。

def check_winner(board):    # 检查行    for row in board:        if row[0] == row[1] == row[2] != ' ':            return row[0]        # 检查列    for col in range(3):        if board[0][col] == board[1][col] == board[2][col] != ' ':            return board[0][col]        # 检查对角线    if board[0][0] == board[1][1] == board[2][2] != ' ':        return board[0][0]    if board[0][2] == board[1][1] == board[2][0] != ' ':        return board[0][2]        return Nonedef is_board_full(board):    for row in board:        if ' ' in row:            return False    return True

第3步：实现Minimax算法（核心部分）

这是整个AI的大脑。我们将递归地模拟每一步，并返回一个评分：

• +10 表示AI（'O'）获胜；
• -10 表示玩家（'X'）获胜；
• 0 表示平局。

def minimax(board, depth, is_maximizing):    winner = check_winner(board)        # 终止条件    if winner == 'O':        return 10 - depth  # 越快赢分越高    elif winner == 'X':        return depth - 10  # 越晚输分越高（负得少）    elif is_board_full(board):        return 0        if is_maximizing:        best_score = -float('inf')        for i in range(3):            for j in range(3):                if board[i][j] == ' ':                    board[i][j] = 'O'                    score = minimax(board, depth + 1, False)                    board[i][j] = ' '                    best_score = max(score, best_score)        return best_score    else:        best_score = float('inf')        for i in range(3):            for j in range(3):                if board[i][j] == ' ':                    board[i][j] = 'X'                    score = minimax(board, depth + 1, True)                    board[i][j] = ' '                    best_score = min(score, best_score)        return best_score

第4步：让AI选择最佳落子位置

def get_best_move(board):    best_score = -float('inf')    best_move = (-1, -1)        for i in range(3):        for j in range(3):            if board[i][j] == ' ':                board[i][j] = 'O'                score = minimax(board, 0, False)                board[i][j] = ' '                if score > best_score:                    best_score = score                    best_move = (i, j)        return best_move

完整运行你的井字棋AI

将上述所有代码组合起来，你就可以与一个永远不会输的AI对战了！这就是Python Minimax算法的魅力所在。

通过本教程，你不仅学会了如何用递归实现Minimax，还掌握了博弈树搜索的基本原理。这些知识是构建更复杂游戏AI（如五子棋、国际象棋）的基础。

总结

Minimax算法虽然简单，但在小型博弈游戏中非常有效。对于初学者来说，它是理解AI决策过程的绝佳入口。记住，真正的挑战在于优化——比如引入Alpha-Beta剪枝来提升性能。

现在，动手试试吧！修改代码、添加图形界面，甚至扩展到4x4井字棋——你的井字棋AI之旅才刚刚开始！