🎮 博弈树：会下棋的人工智能

探索 AI 如何在井字棋中思考与决策

学习进度

🎯 先来玩几局！

在开始学习之前，先和电脑下几局井字棋，试着找到"先手不会输的秘籍"！

井字棋对战

你是 ✕（先手），点击格子开始！

📊 对战记录

0
你赢了
0
平局
0
AI赢了
🤔 思考一下：
先手（第一个落子的人）有没有"不会输"的策略？试着多玩几局，找找规律！
游戏规则提示：
横线连三
竖线连三
斜线连三
✕
✕
✕
○
○
○
✕
✕
✕

🔑 先手不会输的秘籍

只要前3步按照秘籍来，先手永远不会输！

1
第一步：落子在中间
占据中心位置，可以控制最多的连线方向（4条线）
← 点击查看演示
2
第二步：落子在角
占据4个角之一，形成双重威胁，让对手顾此失彼
← 点击查看演示
3
第三步：阻止或完成连线
如果对手快要连三，就阻止；否则自己完成连线
← 点击查看演示
🧠 为什么这个策略有效？
中心格参与4条线，角格参与2条线。先占中心+角，可以同时威胁多条线，对手无法同时防守所有威胁！

点击左侧步骤查看演示

选择左侧的步骤，查看每一步的落子位置和原因
位置价值分析：
角 ×4
参与2条线
边 ×4
参与2条线
中心 ×1
参与4条线

🧩 残局挑战

下面这个残局，轮到 ✕ 下子，你会下在哪里？

当前棋局（轮到 ✕ 下）

点击空格落子，看看结果如何

💭 你是怎么思考的？

当前局面分析：
✕ 已有：位置 0, 2, 5
○ 已有：位置 1, 3, 6
空格：位置 4, 7, 8
你会选择哪个位置？

🌳 博弈树

AI 把每种可能的落子都列出来，形成一棵"树"，然后从结果反推最优选择

🌱
根节点
当前棋局状态（残局起点）
🌿
分支节点
每种可能的落子后的棋局
🍂
叶子节点
游戏结束（赢/输/平）

交互式博弈树（残局示例）

绿色=✕赢 红色=○赢 黄色=平局
💡 如何读懂博弈树：
从根节点（状态0）出发，每个分支代表一种落子选择。沿着树往下走，直到游戏结束（叶子节点）。 关键：从叶子节点的结果反推，选择能保证最好结果的分支！

🔄 决策树 vs 博弈树

📊 决策树
节点：根据特征提出的问题
叶子：特征指引下的最终答案
用途：分类和预测
特点：单方决策，无对手
🎮 博弈树
节点：棋盘上棋子的状态
叶子：棋局的输赢结果
用途：游戏策略决策
特点：双方交替决策，有对手

🔍 深度优先 vs 广度优先

AI 读取博弈树时，需要一个节点一个节点地搜索。有两种方式：

⬇️
深度优先搜索 (DFS)
Depth-First Search
沿着一条路径尽可能深地搜索，到底后再回溯，探索其他路径。
搜索顺序：1 → 2 → 4 → 5 → 3 → 6 → 7
➡️
广度优先搜索 (BFS)
Breadth-First Search
先探索当前层的所有节点，再进入下一层。
搜索顺序：1 → 2 → 3 → 4 → 5 → 6 → 7

🎬 搜索过程动画

已访问节点数
0
当前搜索路径
-

🤔 井字棋应该用哪种搜索？

深度优先的优势
可能只需访问 5个节点 就找到必赢路径！ 一旦发现某条路径必赢，立即返回结果，无需遍历整棵树。
广度优先的劣势
需要先把整棵树的所有节点都访问一遍（约 13个节点），才能确定最优落子位置。
✅ 结论：井字棋使用深度优先搜索更高效！
深度优先搜索配合"剪枝"技术（发现必赢就停止），可以大幅减少需要计算的节点数量。 这就是为什么 AI 能快速做出决策！

🏆 练习挑战

模仿 AI 的思考过程，用博弈树推理最优落子位置

练习残局（轮到 o 下）

✕ 已有：位置 1, 3, 5
○ 已有：位置 0, 2, 7
空格：位置 4, 6, 8

🎯 轮到 X 下子

点击棋盘上的空格（✕ 表示 X），观察博弈树如何推导后续的变化。

练习题的博弈树

📚 本章总结

✓ 博弈树把每种可能的棋局状态都列出来，形成树形结构
✓ 从叶子节点（输赢结果）反推，确定最优落子位置
✓ 深度优先搜索更适合博弈树，效率更高
✓ 博弈树节点是棋盘状态，叶子是输赢结果
✓ 决策树用于分类预测，博弈树用于对抗决策
✓ AI 通过穷举所有可能性，找到必赢或不输的策略