Python井字棋Minimax算法返回相似负值 CPU决策异常排查

问题根因 #

你的代码存在两个核心逻辑错误，导致回合传递、胜负判定完全错位：

• 初始调用minimax的参数错误：在smart_CPU_choice中，CPU完成测试落子后，下一回合应当是人类玩家行动，但你调用minimax时传入的turn仍然是CPU的回合标识，且depth传值为0，相当于让CPU在自己刚落子的棋盘上继续走棋，从搜索树第一层就打乱了回合交替顺序。
• minimax内部玩家标识逻辑错误：你在递归遍历落子前，先取了当前传入turn对应的棋子符号，但在胜负判定时，默认当前传入的turn是刚落子造成胜负的玩家——实际上传入minimax的turn应当是接下来要落子的玩家，刚完成落子、可能触发胜负的是上一个玩家，这就导致很多深层节点的获胜方判定错误。

修正后的代码 #

不需要改动极大极小值的选择规则，仅调整参数传递逻辑即可：

def smart_CPU_choice(self):
    state=self.current_state   # 棋盘用长度为9的列表表示
    cpu_turn = self.turn       # 记录当前CPU的回合标识
    human_turn = 1 - cpu_turn  # 计算人类玩家的回合标识
    cpu_piece = self.XO_tuple[cpu_turn]
    best=[None,-999]
    depth=1  # CPU已经落了1层子，深度从1开始
    for target in range(9):
        if state[target] == '':
            state[target] = cpu_piece
            # CPU落子后，下一步是人类玩家走，传入人类回合标识
            score = self.minimax(depth, state, human_turn)
            state[target]=''
            if score > best[1]:
                best[1] = score
                best[0] = target
    return best[0]

def minimax(self,depth,state,next_turn):
    # 先判断上一步落子的玩家是否获胜：上一步的玩家是当前待行动玩家的对手
    last_turn = 1 - next_turn
    if self.win_check(True, state) == True:
        if self.players_tuple[last_turn] == "CPU":
            return 10 - depth
        else:
            return -10 + depth
    # 棋盘填满返回平局分
    if len(''.join(state))==9:
        return 0
    
    current_piece = self.XO_tuple[next_turn]
    scores = []
    # 遍历所有空位，模拟当前回合玩家落子
    for space in range(9):
        if state[space] == '':
            state[space] = current_piece
            # 递归调用时传入下一个回合的玩家标识，深度+1
            scores.append(self.minimax(depth+1, state, 1-next_turn))
            state[space]=''
    # 当前回合是CPU就选最大值，是人类就选最小值
    if self.players_tuple[next_turn] == "CPU":
        return max(scores)
    else:
        return min(scores)

逻辑说明 #

• 修正后minimax的turn参数统一表示接下来要落子的玩家，每次递归调用时直接通过1-next_turn切换回合，不会出现回合数分配错误的问题
• 胜负判定永远检查上一个落子的玩家（即当前待行动玩家的对手），不会出现获胜方识别错误
• 深度计数从CPU第一次落子后开始累加，终局分值的计算逻辑保持原本设计即可，不需要调换max/min逻辑

修正后AI不仅能识别直接获胜的落子，还会主动封堵人类的必胜点、布局自身的获胜路线，非必胜状态下的分值也会根据双方对局风险正常分布，不会全为无区分度的大负数。

内容的提问来源于stack exchange，提问作者Darkstar