五子棋AI第一篇 极大极小值搜索算法（c语言）

由来

最近人工智能很火，经常有各种新闻，作为一个程序员多少要懂一点吧，未来万一用得着呢。有心想去了解一下，奈何能力有限，皮毛都没学会。好吧，既然没法系统学，就不管那么多，就从现在开始动手，一步一步的往前走，遇到什么问题就查什么资料。虽然最后不一定能做成什么，起码做的过程遇到问题解决问题，总能学会点什么。
从最简单的五子棋游戏开始，先用普通的规则实现一个电脑下棋的算法，姑且叫做AI算法。作为一个只用过linux环境的C语言，做到这一步也还是需要走不少的路，还要学习不少东西才能做好。这次算是我头一回认真学习而且还坚持这么久，所以记录一下所学和这个过程。本文适合像我一样的新手。

废话说完，正式开工。
五子棋基本规则：
1、棋盘大小15x15
2、五个棋子连成一条线即为赢
3、黑棋先下
4、黑棋禁手先不考虑

棋型基本术语：
5连：5个子连成一条线，已经赢了。
活4：有4个子在一条线，而且连线的两端没有对方的子。
冲4：（也有说眠4）有4个子在一条线，连线的一端没有对方的子，另一端有对方的子。
活3：有3个子在一条线，而且连线的两端没有对方的子。
类似的还有冲3，活2，冲2，活1。
其他更专业的术语就不考虑了。

极大极小值

极大极小值算法需要两个条件：
1、 零和博弈，就是你死我活的游戏。
2、 完全信息，玩家知道之前的所有步骤，象棋、五子棋都是交替落子在棋盘上，之前的步骤都一目了然。
如果把五子棋下子所有可能都列举出来，就可以看做一个树的结构。以电脑AI的视角看,每一步往下走都可以看做是树，树的根节点为0开始。奇数层表示电脑可能走法我们称之为MAX层，偶数层是玩家的可能走法我们称之为MIN层。
显然，
MAX层，电脑需要选择对自己最有利的节点。
MIN层，玩家会选择对自己最有利的节点，也就是对AI最不利的点。
这就是极大极小值算法。

这里有个很核心问题，什么叫最有利什么叫最不利呢？下面用源码一步一步详细讲解评估函数的由来，再用评估函数解释什么棋对电脑AI最有利和最不利。

(下面代码用C语言写的，linux下x86环境编译运行)
首先第一步：定义分值，其中score_e枚举就是分值定义
直接把头文件贴出来，方便后面的代码理解。

#ifndef __COBAND_MAIN_H
#define __COBAND_MAIN_H
#include <stdio.h>
#include <stdlib.h>
#include <string.h>

#define DEBUG           0				//打开调试信息
#define M_SIZE          15              //棋盘大小为15x15
#define DEEP            3               //最大搜索多少层
#define check(x)    (((x)<0) || ((x)>=M_SIZE))	//棋子坐标是否溢出

//棋子状态颜色
#define    SPACE            0
#define    WHITE            1
#define    BLACE            2 

/*计分板
分数随意定的,只考虑了不让四个方向上的分数加起来超过更高一级的棋型*/
typedef enum score_e
{
    WIN5 = 100000,          //5连           
    ALIVE4 = 10000,         //活4
    ALIVE3 = 1000,          //活3
    DIE4 = 1000,            //死4
    ALIVE2 = 100,           //活2
    DIE3 = 100,             //死3
    DIE2 = 10,              //死2
    ALIVE1 = 10             //活1
}score;

//棋子
typedef struct chess_s
{
    u8 x;
    u8 y;
}chess_t;

//空子的序列
typedef struct chess_queue_s
{
    chess_t chess[M_SIZE*M_SIZE];
    u8 len;
}chess_queue;

#endif

第二步：依据连子个数计算分数

/*计分表,依据连子个数(bumber