我正在参加CodeBuddy「首席试玩官」内容创作大赛，本文所使用的 CodeBuddy 免费下载链接：

腾讯云代码助手 CodeBuddy - AI 时代的智能编程伙伴

十五岁的午后，教室窗外的梧桐叶在初夏的风里沙沙作响。她用铅笔在草稿纸上画下歪歪扭扭的井字格，抬头时马尾辫扫过我的课本。"该你了"，她指着第三行第二列的空格，眼睫在阳光下扑闪。那时我们总以为，这九宫格里的"X"与"O"不过是课间十分钟的游戏，却不知那些交错的三连棋里，藏着后来让我痴迷的算法奥秘。

复现这个游戏时，屏幕上的AI总能精准落子。那些被橡皮擦抹去的棋局，那些故意输掉的对局，那些藏在胜负里的小心思，忽然在记忆里鲜活起来——原来当年我们稚嫩的博弈策略，早已预言了人工智能领域最经典的Minimax算法。

今天就让 CodeBuddy 来帮我们圆 18岁的梦。

“基于pytorch或者TensorFlow实现井字棋AI开发（Minimax算法+alpha-beta剪枝）”

随后系统会自动生成大量代码，其中部分内容你可能熟悉，也可能有些陌生。不过无需担心，我们可以根据提示信息，将这些代码逐一复制粘贴到对应的项目文件中。

完成代码的复制粘贴后，请运行 

文件。若程序正常运行，控制台将进入交互模式，此时可以开始输入指令。

由于命令行交互体验不佳，我们进一步向 

现在，这个小游戏已经可以发送给你的初恋对象啦！下面我们简单分析下游戏原理：为什么当年玩井字棋总是赢不了呢？

"如果我把棋子放在这里，她会怎么应对？"当年的课桌上，我们本能地推演着两三步后的棋局。这种朴素的预判思维，正是Minimax算法的雏形。

就像少年在纸条上写下又划去的告白词，算法也在虚拟的决策树上反复权衡：

那时的我们不懂算法，却在本能践行着核心逻辑：

这种思维模式，像极了初恋时小心翼翼的试探：既期待对方察觉心意，又害怕被直接拒绝后的尴尬。算法中的评分机制，恰似少年藏在课桌抽屉里的日记，给每个选择默默打分。

这个函数就像赛场裁判，每走一步就检查是否有玩家连成直线。返回1表示玩家胜，-1表示AI胜，0代表继续比赛。

# 以下是原有的游戏逻辑函数（保持原样）
def check_winner(board):
    """检查游戏是否结束"""
    # 检查行和列
    for i in range(3):
        if torch.abs(board[i].sum()) == 3:
            return board[i][0].item()
        if torch.abs(board[:, i].sum()) == 3:
            return board[0][i].item()

    # 检查对角线
    diag1 = board.diag().sum()
    if torch.abs(diag1) == 3:
        return board[0][0].item()

    diag2 = torch.fliplr(board).diag().sum()
    if torch.abs(diag2) == 3:
        return board[0][2].item()

    # 平局检查
    if (board == 0).sum() == 0:
        return 0
    return None

这个递归函数像一位深谋远虑的军师，不断推演后续可能的发展。参数说明：

def minimax(board, depth, is_maximizing, alpha, beta):
    """Minimax算法实现，带Alpha-Beta剪枝"""
    result = check_winner(board)
    if result is not None:
        if result == -1: return 1  # AI赢
        if result == 1: return -1  # 玩家赢
        return 0  # 平局

    if is_maximizing:
        max_eval = -float('inf')
        for move in possible_moves(board):
            child = make_move(board, move, -1)
            evaluation = minimax(child, depth + 1, False, alpha, beta)
            max_eval = max(max_eval, evaluation)
            alpha = max(alpha, evaluation)
            if beta <= alpha:
                break
        return max_eval
    else:
        min_eval = float('inf')
        for move in possible_moves(board):
            child = make_move(board, move, 1)
            evaluation = minimax(child, depth + 1, True, alpha, beta)
            min_eval = min(min_eval, evaluation)
            beta = min(beta, evaluation)
            if beta <= alpha:
                break
        return min_eval

假设AI在评估某个走法时，发现后续存在必输的局面，就可以立即放弃这个分支。就像下棋时说："这步棋走下去肯定要输，不用再算了！"

时，说明当前分支已经没有继续探索的价值。代码中对应的关键片段：

假设当前棋盘：AI（O方）在计算时，发现某步棋可能导致玩家下一步形成双杀。这时Alpha-Beta机制会立即终止该分支的深入计算。

X |   | O
---------
  | X |  
---------
O |   |  

函数扫描棋盘时，我总会想起她突然亮起来的眼睛——那年午后，她用手指划过三个连成一线的"O"，欢呼声惊飞了窗台的白鸽。如今的AI虽能瞬间判断胜负，却永远读不懂获胜时人类眼底的星光。

函数的递归深处，算法在虚拟时空中推演着万千可能。这多像十七岁那个雨季，我在数学课上草稿本写满的"如果"："如果那天帮她捡起橡皮时多说一句话"、"如果校运会时报名双人项目"...那些未说出口的选择枝桠，最终都成了记忆里的alpha-beta剪枝。

当我们用算法复现青春的游戏，那些冰冷的代码竟也有了温度。屏幕上的AI永远理性，但当年故意输掉棋局时，藏在规则漏洞里的温柔，才是人类最珍贵的算法。或许人工智能永远学不会，为什么某个初夏的课间，有个少年明明看到必胜棋路，却悄悄把棋子落在了别处。

快来和我一起感受 CodeBuddy 的强大吧！！！

import sys
import torch
from PyQt5.QtWidgets import (QApplication, QMainWindow, QWidget, 
                            QGridLayout, QPushButton, QMessageBox,
                            QLabel)
from PyQt5.QtCore import Qt, QSize

class TicTacToeAI(QMainWindow):
    def __init__(self):
        super().__init__()
        self.initUI()
        self.reset_game()
        
    def initUI(self):
        # 主窗口设置
        self.setWindowTitle("井字棋 - AI对战")
        self.setFixedSize(400, 500)
        
        # 创建主部件
        main_widget = QWidget()
        self.setCentralWidget(main_widget)
        
        # 使用网格布局
        layout = QGridLayout()
        main_widget.setLayout(layout)
        
        # 状态标签
        self.status_label = QLabel("你的回合（X）")
        self.status_label.setAlignment(Qt.AlignCenter)
        layout.addWidget(self.status_label, 0, 0, 1, 3)
        
        # 创建棋盘按钮
        self.buttons = []
        for row in range(3):
            button_row = []
            for col in range(3):
                button = QPushButton()
                button.setFixedSize(100, 100)
                button.setStyleSheet("font-size: 40px;")
                button.clicked.connect(lambda _, r=row, c=col: self.player_move(r, c))
                button_row.append(button)
                layout.addWidget(button, row+1, col)
            self.buttons.append(button_row)
        
        # 重置按钮
        reset_btn = QPushButton("新游戏")
        reset_btn.clicked.connect(self.reset_game)
        layout.addWidget(reset_btn, 4, 0, 1, 3)
        
    def reset_game(self):
        """重置游戏状态"""
        self.board = torch.zeros((3, 3), dtype=torch.int)
        self.game_over = False
        
        # 重置按钮状态
        for row in self.buttons:
            for btn in row:
                btn.setText("")
                btn.setEnabled(True)
        
        self.status_label.setText("你的回合（X）")
        
    def update_board_display(self):
        """更新界面显示"""
        for i in range(3):
            for j in range(3):
                value = self.board[i][j].item()
                text = "X" if value == 1 else "O" if value == -1 else ""
                self.buttons[i][j].setText(text)
                
    def player_move(self, row, col):
        """处理玩家移动"""
        if self.board[row][col] != 0 or self.game_over:
            return
            
        # 更新棋盘
        self.board[row][col] = 1
        self.update_board_display()
        self.buttons[row][col].setEnabled(False)
        
        # 检查游戏状态
        result = check_winner(self.board)
        if result is not None:
            self.handle_game_end(result)
            return
            
        # AI回合
        self.status_label.setText("AI正在思考...")
        QApplication.processEvents()  # 强制刷新界面
        self.ai_move()
        
    def ai_move(self):
        """处理AI移动"""
        ai_pos = find_best_move(self.board)
        if ai_pos:
            row, col = ai_pos
            self.board[row][col] = -1
            self.update_board_display()
            self.buttons[row][col].setEnabled(False)
            
        # 检查游戏状态
        result = check_winner(self.board)
        if result is not None:
            self.handle_game_end(result)
        else:
            self.status_label.setText("你的回合（X）")
            
    def handle_game_end(self, result):
        """处理游戏结束"""
        self.game_over = True
        for row in self.buttons:
            for btn in row:
                btn.setEnabled(False)
                
        if result == 1:
            QMessageBox.information(self, "游戏结束", "玩家胜利！")
        elif result == -1:
            QMessageBox.information(self, "游戏结束", "AI胜利！")
        else:
            QMessageBox.information(self, "游戏结束", "平局！")
            
        self.status_label.setText("点击「新游戏」重新开始")

# 以下是原有的游戏逻辑函数（保持原样）
def check_winner(board):
    """检查游戏是否结束"""
    # 检查行和列
    for i in range(3):
        if torch.abs(board[i].sum()) == 3:
            return board[i][0].item()
        if torch.abs(board[:, i].sum()) == 3:
            return board[0][i].item()

    # 检查对角线
    diag1 = board.diag().sum()
    if torch.abs(diag1) == 3:
        return board[0][0].item()

    diag2 = torch.fliplr(board).diag().sum()
    if torch.abs(diag2) == 3:
        return board[0][2].item()

    # 平局检查
    if (board == 0).sum() == 0:
        return 0
    return None

def possible_moves(board):
    """生成所有合法移动位置"""
    return [(i, j) for i in range(3) for j in range(3) if board[i][j] == 0]

def make_move(board, move, player):
    """创建新棋盘状态"""
    new_board = board.clone()
    new_board[move[0], move[1]] = player
    return new_board


def minimax(board, depth, is_maximizing, alpha, beta):
    """Minimax算法实现，带Alpha-Beta剪枝"""
    result = check_winner(board)
    if result is not None:
        if result == -1: return 1  # AI赢
        if result == 1: return -1  # 玩家赢
        return 0  # 平局

    if is_maximizing:
        max_eval = -float('inf')
        for move in possible_moves(board):
            child = make_move(board, move, -1)
            evaluation = minimax(child, depth + 1, False, alpha, beta)
            max_eval = max(max_eval, evaluation)
            alpha = max(alpha, evaluation)
            if beta <= alpha:
                break
        return max_eval
    else:
        min_eval = float('inf')
        for move in possible_moves(board):
            child = make_move(board, move, 1)
            evaluation = minimax(child, depth + 1, True, alpha, beta)
            min_eval = min(min_eval, evaluation)
            beta = min(beta, evaluation)
            if beta <= alpha:
                break
        return min_eval


def find_best_move(board):
    """寻找AI的最佳移动"""
    best_score = -float('inf')
    best_move = None
    for move in possible_moves(board):
        child = make_move(board, move, -1)
        score = minimax(child, 0, False, -float('inf'), float('inf'))
        if score > best_score:
            best_score = score
            best_move = move
    return best_move


if __name__ == "__main__":
    app = QApplication(sys.argv)
    game = TicTacToeAI()
    game.show()
    sys.exit(app.exec_())


用CodeBuddy，找初恋，代码写人生，CodeBuddy圆你初恋梦。

我正在参加CodeBuddy「首席试玩官」内容创作大赛，本文所使用的 CodeBuddy 免费下载链接：腾讯云代码助手 CodeBuddy - AI 时代的智能编程伙伴藏在井字棋里的青春密码十五岁的午后，教室窗外的梧桐叶在初夏的风里沙沙作响。她用铅笔在草稿纸上画下歪歪扭扭的井字格，抬头时马尾辫扫过我的课本。"该你了"，她指着第三行第二列的空格，眼睫在阳光下扑闪。那时我们总以为，这九宫格里的"X"与

产品KOL

人工智能

算法

客户端

通过CodeBuddy实现井字棋AI开发，运用Minimax算法和Alpha-Beta剪枝技术，重现青春记忆中的游戏。文章详细解析了算法原理，并提供完整代码示例，展示如何通过AI复现青春的博弈策略。

AI驱动 智领未来

ai-class

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

用CodeBuddy，找初恋，代码写人生，CodeBuddy圆你初恋梦。

用CodeBuddy，找初恋，代码写人生，CodeBuddy圆你初恋梦。

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐