井字棋minimax算法无法拦截部分对角线落子的问题排查

Minimax实现存在4处核心逻辑错误，直接导致部分对角线对局中AI无法识别玩家制胜路径，不会拦截底角关键位：

• 双方落子符号写反：最大化玩家为AI，持X（对应得分10），行动时应落X；最小化玩家为人类，持O（对应得分-10），行动时应落O。原代码max分支落O、min分支落X，完全颠倒了双方落子身份。
• 递归层玩家标记未翻转：一方落子后下一轮应切换到另一方行动，但原代码max分支递归时仍传maximizingPlayer = true，min分支递归时仍传maximizingPlayer = false，整个递归过程固定在同一玩家视角，没有模拟双方交替落子的规则。
• 胜负判断引用错误：递归过程中修改的是传入函数的board参数，但原代码调用checkWinner时传入全局变量gameBoard.currentPlayer，没有基于当前递归层的棋盘状态判断胜负，返回的分数和当前局面完全不匹配。
• 初始调用玩家标记错误：外层选点逻辑中AI已经落下X，接下来递归模拟的是人类玩家（最小化方）的应对，原代码初始调用minimax时传maximizingPlayer = true，第一步递归就进入了错误视角。

修正后代码 #

核心Minimax函数 #

let scores = {
  X: 10,
  O: -10,
  tie: 0
}

const minimax = (board, depth, maximizingPlayer) => {
  // 传入当前递归层的棋盘判断胜负，不要依赖全局状态
  let result = checkWinner(board);
  
  if (result !== null) {
    // 可选优化：结合深度调整分数，优先选择最快获胜、最慢落败的路径
    if (result === 'X') return scores[result] - depth;
    if (result === 'O') return scores[result] + depth;
    return scores[result];
  }
  
  if (maximizingPlayer) {
    let bestScore = -Infinity;
    for (let i = 0; i < 9; i++) {
      if (board[i] == '') {
        board[i] = 'X';
        // 递归时翻转玩家标记，下一轮轮到最小化方
        let score = minimax(board, depth + 1, false);
        board[i] = '';
        if (score > bestScore) {
          bestScore = score;
        }
      }
    }
    return bestScore;
  } else {
    let bestScore = Infinity;
    for (let i = 0; i < 9; i++) {
      if (board[i] == '') {
        board[i] = 'O';
        // 递归时翻转玩家标记，下一轮轮到最大化方
        let score = minimax(board, depth + 1, true);
        board[i] = '';
        if (score < bestScore) {
          bestScore = score;
        }
      }
    }
    return bestScore;
  }
}

AI选点调用逻辑 #

let compMove;
let bestScore = -Infinity;
for (let i = 0; i < 9; i++) {
  if (gameBoard.array[i] == '') {
    gameBoard.array[i] = 'X';
    // AI落子后轮到人类（最小化方）行动，第三个参数传false
    let score = minimax(gameBoard.array, 0, false);
    gameBoard.array[i] = '';
    if (score > bestScore) {
      bestScore = score;
      compMove = i;
    }
  }
}

注意：需要同步修改checkWinner函数，让它接收棋盘数组作为入参，遍历传入的棋盘判断三子连线结果，不要直接依赖全局棋盘/玩家状态，否则递归过程的胜负判断依然会出错。

修正后AI可正确识别所有进攻、防守点位，覆盖对角线场景下的底角防守需求。

内容的提问来源于stack exchange，提问作者Wakana