五子棋對戰演算法

A. 求五子棋演算法，能預測幾步的演算法

假設電腦是黑：
如果黑優的局勢：
電腦選一堆白必防的點（活三，活跳三，跳四或沖四），然後算白可能能防在哪裡（1到3個點）。然後再選一堆白必防的點，然後再算白可能防在哪裡。每節樹可能分2到6個叉。你下個黑石或是連珠妙手看看。這些軟體能算好多步驟。建議下黑石，你能看出電腦算出來的點。

如果沒有白必須防禦的點，電腦就選一堆黑優的點（一手棋2個以上活二的點），這樣的話白無論防在哪裡下一步一定能活三。

如果黑是劣勢則反之。

建議用Mini Max + Alpha-Beta演算法。

B. 畢業設計：五子棋的人工智慧演算法實現，用BP神經網路

BP網路得名於反向傳遞演算法，這是一種結果導向的學習方法。在五子棋的應用中，這種方法非常適用，因為五子棋游戲的核心就是結果導向的決策過程。

具體而言，BP網路的應用可以分為以下步驟：

1. 設定輸入和輸出類型，比如使用坐標[x1，y1]、[x2，y2]等。

2. 訓練階段：你必須向網路輸入一組數據，比如A情況下應該輸出A1，B情況下輸出B1，C情況下輸出C1，以此類推。更復雜的情況如A+B情況下應該輸出AB1。

3. 測試階段：當你詢問網路在A+B+C情況下，應該下在哪個坐標點（即[x,y]是多少）時，網路會根據之前BP訓練的結果自動計算出相應的坐標。

使用Matlab的神經網路工具箱實現這一過程並不復雜。然而，需要注意的是，五子棋棋盤的大小不宜過大。棋盤越大，訓練的難度和所需時間將呈指數級增長。

總之，通過合理設置輸入輸出類型，進行充分的訓練，並在實際游戲中應用BP網路，可以實現對五子棋的智能化決策。

C. C語言五子棋演算法

五子棋勝負的判定，一般有一下兩種演算法：

1.掃描整個棋盤，分別掃描四個方向是否有5個連子。網上找了很多五子棋源碼都是用此演算法，這意味著每下一個棋子都要掃描一遍19×19的棋盤，復雜而且低效，代碼略。
2.每下一字，從該子開始掃描其四個方向（例如：從該子的（x-4，y）坐標開始掃描橫向）是否存在5個連子。此演算法較為常用，而且不涉及更為復雜的數據結構。
另外，為解決掃描越界的問題，在聲明棋盤棋子位置時，可聲明一個（4+19+4）×（4+19+4）的棋盤，而讓棋子偏移（4，4）個坐標。

演算法2源代碼如下：
? void IfWin(int x,int y,int color){ TCHAR win[20]; int a,b; if(stone[x][y]==1) wcscpy_s(win,_T("黑棋勝利！")); else wcscpy_s(win,_T("白棋勝利！")); for(a=x-4;a<=x+4;a++)//判斷橫 if(stone[a][y]==color&&stone[a+1][y]==color&&stone[a+2][y]==color&&stone[a+3][y]==color&&stone[a+4][y]==color) {MessageBoxW(Xqwl.hWnd,win,TEXT(""),MB_OK);return;} for(b=y-4;b<=y+4;b++)//判斷豎 if(stone[x][b]==color&&stone[x][b+1]==color&&stone[x][b+2]==color&&stone[x][b+3]==color&&stone[x][b+4]==color) {MessageBoxW(Xqwl.hWnd,win,TEXT(""),MB_OK);return;} for(a=x-4,b=y-4;a<=x+4;a++,b++)//判斷右斜 if(stone[a][b]==color&&stone[a+1][b+1]==color&&stone[a+2][b+2]==color&&stone[a+3][b+3]==color&&stone[a+4][b+4]==color) {MessageBoxW(Xqwl.hWnd,win,TEXT(""),MB_OK);return;} for(a=x-4,b=y+4;a<=x+4;a++,b--)//判斷左斜 if(stone[a][b]==color&&stone[a+1][b-1]==color&&stone[a+2][b-2]==color&&stone[a+3][b-3]==color&&stone[a+4][b-4]==color) {MessageBoxW(Xqwl.hWnd,win,TEXT(""),MB_OK);return;}}

D. 單機版的五子棋程序的演算法是什麼哦！

五子棋是一種受大眾廣泛喜愛的游戲，其規則簡單，變化多端，非常富有趣味性和消遣性。這里設計和實現了一個人機對下的五子棋程序，採用了博弈樹的方法，應用了剪枝和最大最小樹原理進行搜索發現最好的下子位置。介紹五子棋程序的數據結構、評分規則、勝負判斷方法和搜索演算法過程。

一、相關的數據結構
關於盤面情況的表示，以鏈表形式表示當前盤面的情況，目的是可以允許用戶進行悔棋、回退等操作。
CList StepList;
其中Step結構的表示為：

struct Step
{
int m; //m,n表示兩個坐標值
int n;
char side; //side表示下子方
};
以數組形式保存當前盤面的情況，
目的是為了在顯示當前盤面情況時使用：
char FiveArea[FIVE_MAX_LINE][FIVE_MAX_LINE];

其中FIVE_MAX_LINE表示盤面最大的行數。

同時由於需要在遞歸搜索的過程中考慮時間和空間有效性，只找出就當前情況來說相對比較好的幾個盤面，而不是對所有的可下子的位置都進行搜索，這里用變數CountList來表示當前搜索中可以選擇的所有新的盤面情況對象的集合：

CList CountList;
其中類CBoardSituiton為:
class CBoardSituation
{
CList StepList; //每一步的列表
char FiveArea[FIVE_MAX_LINE][FIVE_MAX_LINE];
struct Step machineStep; //機器所下的那一步
double value; //該種盤面狀態所得到的分數
}

二、評分規則
對於下子的重要性評分，需要從六個位置來考慮當前棋局的情況，分別為：-,¦,/,\,//,\\

實際上需要考慮在這六個位置上某一方所形成的子的布局的情況，對於在還沒有子的地方落子以後的當前局面的評分，主要是為了說明在這個地方下子的重要性程度，設定了一個簡單的規則來表示當前棋面對機器方的分數。

基本的規則如下：

判斷是否能成5, 如果是機器方的話給予100000分，如果是人方的話給予－100000 分；
判斷是否能成活4或者是雙死4或者是死4活3，如果是機器方的話給予10000分，如果是人方的話給予－10000分；
判斷是否已成雙活3，如果是機器方的話給予5000分，如果是人方的話給予－5000 分；
判斷是否成死3活3，如果是機器方的話給予1000分，如果是人方的話給予－1000 分；
判斷是否能成死4，如果是機器方的話給予500分，如果是人方的話給予－500分；
判斷是否能成單活3，如果是機器方的話給予200分，如果是人方的話給予－200分；
判斷是否已成雙活2，如果是機器方的話給予100分，如果是人方的話給予－100分；
判斷是否能成死3，如果是機器方的話給予50分，如果是人方的話給予－50分；
判斷是否能成雙活2，如果是機器方的話給予10分，如果是人方的話給予－10分；
判斷是否能成活2，如果是機器方的話給予5分，如果是人方的話給予－5分；
判斷是否能成死2，如果是機器方的話給予3分，如果是人方的話給予－3分。

實際上對當前的局面按照上面的規則的順序進行比較，如果滿足某一條規則的話，就給該局面打分並保存，然後退出規則的匹配。注意這里的規則是根據一般的下棋規律的一個總結，在實際運行的時候，用戶可以添加規則和對評分機制加以修正。

三、勝負判斷
實際上，是根據當前最後一個落子的情況來判斷勝負的。實際上需要從四個位置判斷，以該子為出發點的水平，豎直和兩條分別為 45度角和135度角的線，目的是看在這四個方向是否最後落子的一方構成連續五個的棋子，如果是的話，就表示該盤棋局已經分出勝負。具體見下面的圖示：

四、搜索演算法實現描述
注意下面的核心的演算法中的變數currentBoardSituation，表示當前機器最新的盤面情況, CountList表示第一層子節點可以選擇的較好的盤面的集合。核心的演算法如下：
void MainDealFunction()
{
value=－MAXINT; //對初始根節點的value賦值
CalSeveralGoodPlace(currentBoardSituation,CountList);
//該函數是根據當前的盤面情況來比較得到比較好的可以考慮的幾個盤面的情況，可以根據實際的得分情況選取分數比較高的幾個盤面，也就是說在第一層節點選擇的時候採用貪婪演算法，直接找出相對分數比較高的幾個形成第一層節點，目的是為了提高搜索速度和防止堆棧溢出。
pos=CountList.GetHeadPosition();
CBoardSituation＊ pBoard;
for(i=0;ivalue=Search(pBoard,min,value,0);
Value=Select(value,pBoard－>value,max);
//取value和pBoard－>value中大的賦給根節點
}
for(i=0;ivalue)
//找出那一個得到最高分的盤面
{
currentBoardSituation=pBoard;
PlayerMode=min; //當前下子方改為人
Break;
}
}

其中對於Search函數的表示如下：實際上核心的演算法是一個剪枝過程，其中在這個搜索過程中相關的四個參數為：（1）當前棋局情況；（2）當前的下子方，可以是機器(max)或者是人(min)；（3）父節點的值oldValue；（4）當前的搜索深度depth。

double Search(CBoardSituation＆
board,int mode,double oldvalue,int depth)
{
CList m_DeepList;
if(deptholdvalue))== TRUE)
{
if(mode==max)
value=select(value,search(successor
Board,min,value,depth＋1),max);
else
&nb
sp; value=select(value,search(successor
Board,max,value,depth＋1),min);
}
return value;
}
else
{
if ( goal(board)<>0)
//這里goal(board)<>0表示已經可以分出勝負
return goal(board);
else
return evlation(board);
}
}

注意這里的goal(board)函數是用來判斷當前盤面是否可以分出勝負，而evlation(board)是對當前的盤面從機器的角度進行打分。

下面是Select函數的介紹，這個函數的主要目的是根據 PlayerMode情況，即是機器還是用戶來返回節點的應有的值。

double Select(double a,double b,int mode)
{
if(a>b ＆＆ mode==max)¦¦ (a< b ＆＆ mode==min)
return a;
else
return b;
}

五、小結
在Windows操作系統下，用VC＋＋實現了這個人機對戰的五子棋程序。和國內許多隻是採用規則或者只是採用簡單遞歸而沒有剪枝的那些程序相比，在智力上和時間有效性上都要好於這些程序。同時所討論的方法和設計過程為用戶設計其他的游戲（如象棋和圍棋等）提供了一個參考。

E. 五子棋游戲計算機採用哪些演算法來確定勝負

1. 明星局為斜指開局的第11局，其結論為：RIF規則下黑必勝。

2. 明星開局屬於分離型開局，故白4不易防黑的優勢區，最好採用「牽制」的辦法。即：H9，控制黑的一個活2，自己做一個活2，如下面圖1。如果「跟隨」防守，黑將會繼續在下方擴大優勢，如下面圖2。

3. 白4選擇H9後，黑只好G9控制，如下面圖1，這樣黑既可以往下發展，也可以往左發展。

4. 根據開局搶2原則，白6顯然走I7，擋對面的活2，自己成活2。

5. 由於白6形成了新的活2，黑又沒有進攻可言，所以黑只能繼續控制，I6，把局勢繼續往下拉。

6. 黑7選擇了I6，黑的連接點主要有G6和G8、F8。F8或G8是一個三通點，G6是活3點，所以G8要強於G6。本次我們討論G6。由於G8和白棋靠的較近，所以F8更強一些。

7. 此時白10可選擇G8，斷黑的一個活2，自己成一個活2。

8. 但此時黑的活2比較多，攻勢已經非常大，經過下面圖1的進攻線路可以取勝。

   望採納，謝謝