代碼參考自中國大學mooc上人工智能與信息社會陳斌老師的算法，我在原來的基礎上增加了玩家輸入的異常捕獲 AlphaBeta剪枝算法是對Minimax方法的優化，能夠極大提高搜索樹的效率，如果對這個算法感興趣的可以去參考相關資料。 當正確理解AlphaBeta剪枝算法后，還可以將它應用在象棋、圍棋等一些高級游戲的算法搜索上，使得電腦尋找最優勝率的速度加快

python代碼實現

#coding:utf-8

'''井字棋(Tic tac toe)Python3語言實現, 帶有Alpha-Beta剪枝的Minimax算法.

代碼參考自中國大學mooc 人工智能與信息社會(陳斌)'''

import random

# 用如下的9個數字來表示棋盤的位置:

# 0? 1? 2

# 3? 4? 5

# 6? 7? 8

# 設定獲勝的組合方式(橫、豎、斜)

WINNING_TRIADS = ((0, 1, 2), (3, 4, 5), (6, 7, 8),

(0, 3, 6), (1, 4, 7),(2, 5, 8),

(0, 4, 8), (2, 4, 6))

# 設定棋盤按一行三個打印

PRINTING_TRIADS = ((0, 1, 2), (3, 4, 5), (6, 7, 8))

# 用一維列表表示棋盤:

SLOTS = (0, 1, 2, 3, 4, 5, 6, 7, 8)

# -1表示X玩家 0表示空位 1表示O玩家.

X_token = -1

Open_token = 0

O_token = 1

MARKERS = ['_', 'O', 'X']

END_PHRASE = ('平局', '勝利', '失敗')

def alpha_beta_valuation(board, player, next_player, alpha, beta):

"""運用AlphaBeta剪枝來計算當前局面的分值

因為搜索層數少，總能搜索到最終局面，估值結果為[-1,0,1]

"""

wnnr = winner(board)

if wnnr != Open_token:

# 有玩家獲勝

return wnnr

elif not legal_move_left(board):

# 沒有空位,平局

return 0

# 檢查當前玩家"player"的所有可落子點

for move in SLOTS:

if board[move] == Open_token:

board[move] = player

# 落子之后交換玩家，繼續檢驗

val = alpha_beta_valuation(board, next_player, player, alpha, beta)

board[move] = Open_token

if player == O_token:? # 當前玩家是O,是Max玩家(記號是1)

if val > alpha:

alpha = val

if alpha >= beta:

return beta? # 直接返回當前的最大可能取值beta, 進行剪枝

else:? # 當前玩家是X,是Min玩家(記號是-1)

if val < beta:

beta = val

if beta <= alpha:

return alpha? # 直接返回當前的最小可能取值alpha, 進行剪枝

if player == O_token:

retval = alpha

else:

retval = beta

return retval

def print_board(board):

"""打印當前棋盤"""

for row in PRINTING_TRIADS:

r = ' '

for hole in row:

r += MARKERS[board[hole]] + ' '

print(r)

def legal_move_left(board):

""" 判斷棋盤上是否還有空位 """

for slot in SLOTS:

if board[slot] == Open_token:

return True

return False

def winner(board):

""" 判斷局面的勝者,返回值-1表示X獲勝,1表示O獲勝,0表示平局或者未結束"""

for triad in WINNING_TRIADS:

triad_sum = board[triad[0]] + board[triad[1]] + board[triad[2]]

if triad_sum == 3 or triad_sum == -3:

return board[triad[0]]? # 表示棋子的數值恰好也是-1:X,1:O

return 0

def determine_move(board):

"""決定電腦(玩家O)的下一步棋,若估值相同則隨機選取步數"""

best_val = -2? # 本程序估值結果只在[-1,0,1]中

my_moves = []

print("開始思考")

for move in SLOTS:

if board[move] == Open_token:

board[move] = O_token

val = alpha_beta_valuation(board, X_token, O_token, -2, 2)

board[move] = Open_token

print("Computer如果下在", move, ",將導致", END_PHRASE[val])

if val > best_val:

best_val = val

my_moves = [move]

if val == best_val:

my_moves.append(move)

return random.choice(my_moves)

HUMAN = 1

COMPUTER = 0

def main():

"""主函數,先決定誰是X(先手方),再開始下棋"""

next_move = HUMAN

opt = input("請選擇先手方，輸入X表示玩家先手，輸入O表示電腦先手：")

if opt == "X":

next_move = HUMAN

elif opt == "O":

next_move = COMPUTER

else:

print("輸入有誤，默認玩家先手")

# 初始化空棋盤

board = [Open_token for i in range(9)]

# 開始下棋

while legal_move_left(board) and winner(board) == Open_token:

print()

print_board(board)

if next_move == HUMAN and legal_move_left(board):

try:

humanmv = int(input("請輸入你要落子的位置(0-8)："))

if board[humanmv] != Open_token:

continue

board[humanmv] = X_token

next_move = COMPUTER

except:

print("輸入有誤，請重試")

continue

if next_move == COMPUTER and legal_move_left(board):

mymv = determine_move(board)

print("Computer最終決定下在", mymv)

board[mymv] = O_token

next_move = HUMAN

# 輸出結果

print_board(board)

print(["平局", "Computer贏了", "你贏了"][winner(board)])

if __name__ == '__main__':

main()

運行結果

總結

以上是生活随笔為你收集整理的python井字棋ai_实现AI下井字棋的alpha-beta剪枝算法（python实现）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。