Python实现Connect 4 minimax算法未拦截玩家移动致败问题

你的Connect 4 minimax算法无法阻止玩家获胜的核心原因是评估函数中玩家胜利的返回逻辑完全颠倒，导致算法错误认为玩家获胜对电脑是有利结果，自然不会去阻止。此外，代码存在无效位置遍历，既浪费计算资源也可能引入逻辑混乱。

1. 核心错误：玩家胜利的评估逻辑完全错误 #

原代码中，检测到玩家（X）获胜时，错误地在is_maximizing（电脑回合）场景返回正分：

elif detect(board, ' X '):
    if is_maximizing:
        return 100 - depth
    else:
        return -100

这完全违背逻辑：无论当前是谁的回合，玩家获胜对电脑来说都是最坏结果，必须返回负分。正确逻辑是：玩家获胜时返回与电脑获胜对称的负分，且输得越晚（depth越大），扣分越少（拖得更久意味着还有翻盘可能）。

2. 次要问题：无效的位置遍历 #

Connect 4规则是只能落在每列最下方空位，原代码遍历所有行和列，会重复处理同一列的无效位置，既降低效率，也可能引发逻辑错误。

修正后的完整代码 #

新增辅助函数：获取列的可落子行 #

def get_drop_row(board, column):
    # 返回该列最下方的空位行，列满则返回None
    for row in reversed(range(6)):
        if board[row][column] == '   ':
            return row
    return None

修正minimax函数 #

def minimax(board, depth, is_maximizing, depthLimit):
    if detect(board, ' O '):
        # 电脑获胜，越早赢得分越高
        return 100 - depth
    elif detect(board, ' X '):
        # 玩家获胜，对电脑是最坏结果，越早输扣分越多
        return -100 + depth
    elif boardFull(board):
        return 0
    elif depth >= depthLimit:
        # 达到深度限制，返回0（可替换为启发式评估函数优化）
        return 0

    if is_maximizing:
        max_eval = float('-inf')
        # 遍历所有列，仅处理可落子的列
        for column in range(7):
            if not isColumnFull(board, column):
                row = get_drop_row(board, column)
                board[row][column] = ' O '
                eval_score = minimax(board, depth + 1, False, depthLimit)
                board[row][column] = '   '
                max_eval = max(max_eval, eval_score)
        return max_eval
    else:
        min_eval = float('inf')
        # 遍历所有列，仅处理可落子的列
        for column in range(7):
            if not isColumnFull(board, column):
                row = get_drop_row(board, column)
                board[row][column] = ' X '
                eval_score = minimax(board, depth + 1, True, depthLimit)
                board[row][column] = '   '
                min_eval = min(min_eval, eval_score)
        return min_eval

修正computerMove函数 #

def computerMove(board, depth):  # 需传入depth参数，原代码未定义该变量
    best_score = float('-inf')
    best_move = None
    
    total_columns = 7
    for idx, column in enumerate(range(7)):
        print(f'{round((idx / total_columns) * 100, 2)}% Done Calculating')
        if not isColumnFull(board, column):
            row = get_drop_row(board, column)
            board[row][column] = ' O '
            score = minimax(board, 0, False, depth)
            board[row][column] = '   '
            if score > best_score:
                best_score = score
                best_move = column

    # 执行最佳落子
    if best_move is not None:
        drop_row = get_drop_row(board, best_move)
        board[drop_row][best_move] = ' O '

    if detect(board, ' O '):
        print('O Wins!')
        return False
    return True

额外优化建议 #

1. 添加启发式评估函数：当前达到深度限制时返回0，可替换为评估当前棋盘优势（比如计算双方三连、两连的数量），让算法在未到终止状态时也能做出更合理选择。
2. Alpha-Beta剪枝：在minimax中加入alpha-beta剪枝，可大幅减少计算量，提升搜索深度。

内容的提问来源于stack exchange，提问作者Duck Duck