井字棋Minimax算法可被中间行/列击败，如何修复为不可击败？

问题描述 #

作为课程作业，我实现了井字棋（Tic-Tac-Toe）的Minimax算法：人类玩家先手（标记'X'，对应数组值1），电脑后手（标记'O'，对应数组值-1）。目前算法基本可用，但人类玩家通过走中间行或中间列仍可获胜。相关代码涉及playUnbeatableAI、minimax、getBestMove、evaluate等函数，复现步骤为：选择「Player 1 Vs. Tough AI」，输入名字后开始游戏，在右列落子，AI未阻止获胜。请问我的Minimax实现中存在什么错误，如何修复使其成为不可击败的AI？

错误分析与修复方案 #

1. 评估函数（evaluate）逻辑缺失 #

• 核心问题：评估函数未完整检测所有获胜组合，尤其是中间行、中间列的三连情况，或胜负对应的分值映射错误。
• 修复操作：
  • 枚举所有8种获胜组合（3行、3列、2条对角线），逐一检查是否有玩家达成三连。
  • 明确分值规则：人类获胜返回+10，电脑获胜返回-10，平局返回0，游戏未结束则返回None以触发递归。

2. Minimax递归终止条件错误 #

• 核心问题：递归未在游戏结束（胜负已分或平局）时及时终止，导致无效搜索干扰最优决策；或终止时返回的分值不符合角色逻辑。
• 修复操作：
  • 在minimax函数的起始位置调用evaluate，若返回非空值（胜负或平局），直接返回该分值。
  • 完善平局判断：当棋盘无空位且无人获胜时，返回0。

3. 极大极小角色混淆 #

• 核心问题：递归过程中未正确切换极大玩家（人类，追求分值最大化）与极小玩家（电脑，追求分值最小化）的身份，导致电脑选择的落子并非最优防守/进攻步骤。
• 修复操作：
  • 递归时明确当前玩家身份：轮到人类时，遍历所有空位，调用minimax获取子节点分值，取最大值；轮到电脑时，遍历所有空位，调用minimax获取子节点分值，取最小值。
  • 确保电脑的极小化逻辑与自身标记（值为-1）匹配，避免分值计算与动作反向。

4. 未加入深度权重优化 #

• 核心问题：未对评估分值加入递归深度加权，导致算法对“即时获胜”和“延迟获胜”、“即时失败”和“延迟失败”无区分，可能出现未及时阻止人类获胜的情况。
• 修复操作：
  • 返回评估分值时加入深度调整：人类获胜返回10 - depth，电脑获胜返回-10 + depth，平局仍返回0。这样算法会优先选择最快获胜的路径，防守时优先阻止人类的即时获胜机会。

5. getBestMove函数决策逻辑错误 #

• 核心问题：遍历空位时遗漏了中间行/列的位置，或错误选择了极值（比如电脑应选分值最小的位置，却误选了最大的）。
• 修复操作：
  • 遍历棋盘所有空位，对每个空位模拟落子后调用minimax计算对应分值。
  • 电脑作为极小玩家，筛选出分值最小的所有空位，随机选择其一落子（避免固定路径）。

内容的提问来源于stack exchange，提问作者Adrian