五子棋对战算法

A. 求五子棋算法，能预测几步的算法

假设电脑是黑：
如果黑优的局势：
电脑选一堆白必防的点（活三，活跳三，跳四或冲四），然后算白可能能防在哪里（1到3个点）。然后再选一堆白必防的点，然后再算白可能防在哪里。每节树可能分2到6个叉。你下个黑石或是连珠妙手看看。这些软件能算好多步骤。建议下黑石，你能看出电脑算出来的点。

如果没有白必须防御的点，电脑就选一堆黑优的点（一手棋2个以上活二的点），这样的话白无论防在哪里下一步一定能活三。

如果黑是劣势则反之。

建议用Mini Max + Alpha-Beta算法。

B. 毕业设计：五子棋的人工智能算法实现，用BP神经网络

BP网络得名于反向传递算法，这是一种结果导向的学习方法。在五子棋的应用中，这种方法非常适用，因为五子棋游戏的核心就是结果导向的决策过程。

具体而言，BP网络的应用可以分为以下步骤：

1. 设定输入和输出类型，比如使用坐标[x1，y1]、[x2，y2]等。

2. 训练阶段：你必须向网络输入一组数据，比如A情况下应该输出A1，B情况下输出B1，C情况下输出C1，以此类推。更复杂的情况如A+B情况下应该输出AB1。

3. 测试阶段：当你询问网络在A+B+C情况下，应该下在哪个坐标点（即[x,y]是多少）时，网络会根据之前BP训练的结果自动计算出相应的坐标。

使用Matlab的神经网络工具箱实现这一过程并不复杂。然而，需要注意的是，五子棋棋盘的大小不宜过大。棋盘越大，训练的难度和所需时间将呈指数级增长。

总之，通过合理设置输入输出类型，进行充分的训练，并在实际游戏中应用BP网络，可以实现对五子棋的智能化决策。

C. C语言五子棋算法

五子棋胜负的判定，一般有一下两种算法：

1.扫描整个棋盘，分别扫描四个方向是否有5个连子。网上找了很多五子棋源码都是用此算法，这意味着每下一个棋子都要扫描一遍19×19的棋盘，复杂而且低效，代码略。
2.每下一字，从该子开始扫描其四个方向（例如：从该子的（x-4，y）坐标开始扫描横向）是否存在5个连子。此算法较为常用，而且不涉及更为复杂的数据结构。
另外，为解决扫描越界的问题，在声明棋盘棋子位置时，可声明一个（4+19+4）×（4+19+4）的棋盘，而让棋子偏移（4，4）个坐标。

算法2源代码如下：
? void IfWin(int x,int y,int color){ TCHAR win[20]; int a,b; if(stone[x][y]==1) wcscpy_s(win,_T("黑棋胜利！")); else wcscpy_s(win,_T("白棋胜利！")); for(a=x-4;a<=x+4;a++)//判断横 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++)//判断竖 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++)//判断右斜 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--)//判断左斜 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. 单机版的五子棋程序的算法是什么哦！

五子棋是一种受大众广泛喜爱的游戏，其规则简单，变化多端，非常富有趣味性和消遣性。这里设计和实现了一个人机对下的五子棋程序，采用了博弈树的方法，应用了剪枝和最大最小树原理进行搜索发现最好的下子位置。介绍五子棋程序的数据结构、评分规则、胜负判断方法和搜索算法过程。

一、相关的数据结构
关于盘面情况的表示，以链表形式表示当前盘面的情况，目的是可以允许用户进行悔棋、回退等操作。
CList StepList;
其中Step结构的表示为：

struct Step
{
int m; //m,n表示两个坐标值
int n;
char side; //side表示下子方
};
以数组形式保存当前盘面的情况，
目的是为了在显示当前盘面情况时使用：
char FiveArea[FIVE_MAX_LINE][FIVE_MAX_LINE];

其中FIVE_MAX_LINE表示盘面最大的行数。

同时由于需要在递归搜索的过程中考虑时间和空间有效性，只找出就当前情况来说相对比较好的几个盘面，而不是对所有的可下子的位置都进行搜索，这里用变量CountList来表示当前搜索中可以选择的所有新的盘面情况对象的集合：

CList CountList;
其中类CBoardSituiton为:
class CBoardSituation
{
CList StepList; //每一步的列表
char FiveArea[FIVE_MAX_LINE][FIVE_MAX_LINE];
struct Step machineStep; //机器所下的那一步
double value; //该种盘面状态所得到的分数
}

二、评分规则
对于下子的重要性评分，需要从六个位置来考虑当前棋局的情况，分别为：-,¦,/,\,//,\\

实际上需要考虑在这六个位置上某一方所形成的子的布局的情况，对于在还没有子的地方落子以后的当前局面的评分，主要是为了说明在这个地方下子的重要性程度，设定了一个简单的规则来表示当前棋面对机器方的分数。

基本的规则如下：

判断是否能成5, 如果是机器方的话给予100000分，如果是人方的话给予－100000 分；
判断是否能成活4或者是双死4或者是死4活3，如果是机器方的话给予10000分，如果是人方的话给予－10000分；
判断是否已成双活3，如果是机器方的话给予5000分，如果是人方的话给予－5000 分；
判断是否成死3活3，如果是机器方的话给予1000分，如果是人方的话给予－1000 分；
判断是否能成死4，如果是机器方的话给予500分，如果是人方的话给予－500分；
判断是否能成单活3，如果是机器方的话给予200分，如果是人方的话给予－200分；
判断是否已成双活2，如果是机器方的话给予100分，如果是人方的话给予－100分；
判断是否能成死3，如果是机器方的话给予50分，如果是人方的话给予－50分；
判断是否能成双活2，如果是机器方的话给予10分，如果是人方的话给予－10分；
判断是否能成活2，如果是机器方的话给予5分，如果是人方的话给予－5分；
判断是否能成死2，如果是机器方的话给予3分，如果是人方的话给予－3分。

实际上对当前的局面按照上面的规则的顺序进行比较，如果满足某一条规则的话，就给该局面打分并保存，然后退出规则的匹配。注意这里的规则是根据一般的下棋规律的一个总结，在实际运行的时候，用户可以添加规则和对评分机制加以修正。

三、胜负判断
实际上，是根据当前最后一个落子的情况来判断胜负的。实际上需要从四个位置判断，以该子为出发点的水平，竖直和两条分别为 45度角和135度角的线，目的是看在这四个方向是否最后落子的一方构成连续五个的棋子，如果是的话，就表示该盘棋局已经分出胜负。具体见下面的图示：

四、搜索算法实现描述
注意下面的核心的算法中的变量currentBoardSituation，表示当前机器最新的盘面情况, CountList表示第一层子节点可以选择的较好的盘面的集合。核心的算法如下：
void MainDealFunction()
{
value=－MAXINT; //对初始根节点的value赋值
CalSeveralGoodPlace(currentBoardSituation,CountList);
//该函数是根据当前的盘面情况来比较得到比较好的可以考虑的几个盘面的情况，可以根据实际的得分情况选取分数比较高的几个盘面，也就是说在第一层节点选择的时候采用贪婪算法，直接找出相对分数比较高的几个形成第一层节点，目的是为了提高搜索速度和防止堆栈溢出。
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中大的赋给根节点
}
for(i=0;ivalue)
//找出那一个得到最高分的盘面
{
currentBoardSituation=pBoard;
PlayerMode=min; //当前下子方改为人
Break;
}
}

其中对于Search函数的表示如下：实际上核心的算法是一个剪枝过程，其中在这个搜索过程中相关的四个参数为：（1）当前棋局情况；（2）当前的下子方，可以是机器(max)或者是人(min)；（3）父节点的值oldValue；（4）当前的搜索深度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)
//这里goal(board)<>0表示已经可以分出胜负
return goal(board);
else
return evlation(board);
}
}

注意这里的goal(board)函数是用来判断当前盘面是否可以分出胜负，而evlation(board)是对当前的盘面从机器的角度进行打分。

下面是Select函数的介绍，这个函数的主要目的是根据 PlayerMode情况，即是机器还是用户来返回节点的应有的值。

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

五、小结
在Windows操作系统下，用VC＋＋实现了这个人机对战的五子棋程序。和国内许多只是采用规则或者只是采用简单递归而没有剪枝的那些程序相比，在智力上和时间有效性上都要好于这些程序。同时所讨论的方法和设计过程为用户设计其他的游戏（如象棋和围棋等）提供了一个参考。

E. 五子棋游戏计算机采用哪些算法来确定胜负

1. 明星局为斜指开局的第11局，其结论为：RIF规则下黑必胜。

2. 明星开局属于分离型开局，故白4不易防黑的优势区，最好采用“牵制”的办法。即：H9，控制黑的一个活2，自己做一个活2，如下面图1。如果“跟随”防守，黑将会继续在下方扩大优势，如下面图2。

3. 白4选择H9后，黑只好G9控制，如下面图1，这样黑既可以往下发展，也可以往左发展。

4. 根据开局抢2原则，白6显然走I7，挡对面的活2，自己成活2。

5. 由于白6形成了新的活2，黑又没有进攻可言，所以黑只能继续控制，I6，把局势继续往下拉。

6. 黑7选择了I6，黑的连接点主要有G6和G8、F8。F8或G8是一个三通点，G6是活3点，所以G8要强于G6。本次我们讨论G6。由于G8和白棋靠的较近，所以F8更强一些。

7. 此时白10可选择G8，断黑的一个活2，自己成一个活2。

8. 但此时黑的活2比较多，攻势已经非常大，经过下面图1的进攻线路可以取胜。

   望采纳，谢谢