CS课程项目设计8：基于Canvas支持AI人机对战的五子棋游戏

本专栏的第二篇和第四篇文章分别介绍了交互友好的五子棋游戏、支持AI人机对战的五子棋游戏，具体内容可以参考以下两篇帖子：

CS课程项目设计2：交互友好的五子棋游戏-CSDN博客https://blog.csdn.net/weixin_36431280/article/details/149415017?spm=1001.2014.3001.5501CS课程项目设计4：支持AI人机对战的五子棋游戏-CSDN博客https://blog.csdn.net/weixin_36431280/article/details/149432389?spm=1001.2014.3001.5501

这两个项目实现的五子棋棋盘都太简陋了，不太美观。因此，和本专栏的第五篇和第六篇文章一样：

CS课程项目设计5：基于Canvas交互友好的井字棋游戏-CSDN博客https://blog.csdn.net/weixin_36431280/article/details/149664504?spm=1001.2014.3001.5501

CS课程项目设计6：基于Canvas支持人机对战的井字棋游戏-CSDN博客https://blog.csdn.net/weixin_36431280/article/details/149668934?spm=1001.2014.3001.5501

我们使用Canvas组件进一步改进这两个项目，提高页面布局的美观度。

原始支持AI人机对战的五子棋游戏棋盘和现有基于Canvas支持AI人机对战的五子棋游戏棋盘的对比图如下所示：

---

1. 研究目的

这个项目重新设计了棋盘、按键、设置玩家昵称页面、赢局和平局显示页面，并且对照本专栏第二篇文章来介绍这个基于Canvas支持AI人机对战的五子棋游戏。

具体而言，为了让五子棋棋盘更加美观，我们可以使用 tkinter 的 Canvas 组件来绘制棋盘，并用 Canvas 上的图形表示棋子，同时可以调整颜色和线条样式来提升视觉效果。

主要修改点：

1. 使用Canvas绘制棋盘：通过Canvas组件绘制棋盘网格，使用create_line方法绘制横线和竖线，让棋盘更加美观。
2. 使用Canvas绘制棋子：使用create_oval方法在指定位置绘制圆形棋子，根据玩家的不同设置不同的颜色。
3. 处理画布点击事件：通过绑定<Button-1>事件，处理鼠标点击画布的操作，计算点击位置对应的棋盘坐标，并调用make_move方法处理落子。
4. 修改悔棋和加载游戏时的界面更新逻辑：在悔棋和加载游戏时，需要清空画布并重新绘制棋盘和棋子。

同时，使用 Tkinter 构建的更美观的五子棋用户名称设置界面。这个界面保留了原有的功能，同时采用了更现代的设计风格，包括自定义按钮、文本输入框和布局，具体改进如下所示：

• 更美观的界面设计，包括背景色、字体和布局
• 自定义按钮样式，带有悬停效果和圆角
• 针对不同游戏模式（人机对战和双人对战）的个性化界面
• 更好的窗口定位和大小控制
• 输入框中的默认值显示当前玩家名称
• 在人机模式下，AI 名称不可编辑

最后，对设置用户昵称和显示玩家胜利的布局进行了美化，使用了更现代的设计风格和交互效果。主要改进包括：

• 为设置用户昵称创建了自定义对话框
• 使用更现代的字体和颜色方案
• 为胜利消息添加了动画效果和视觉反馈
• 优化了整体布局，增加了间距和对齐
• 为玩家状态添加了颜色标记
• 添加了平滑过渡效果

2. 技术方案

2.1. 图形用户界面（GUI）

使用 Python 的tkinter库创建游戏的图形用户界面，包括棋盘按钮、玩家信息标签、状态标签和操作按钮等。

本游戏主要设置了双人对战和人机对战两种对战模式，在双人对战模式中，你需要分别设置你和对手的用户昵称，可视化界面如下图所示：

在人机对战模式中，你只需要设置你的用户昵称，可视化界面如下图所示：

2.2. 游戏逻辑实现

通过二维列表self.board来表示棋盘状态，使用self.current_player来记录当前玩家。在玩家或 AI 落子后，调用check_winner方法检查是否有玩家获胜，调用is_board_full方法检查棋盘是否已满。

2.3. AI 算法

采用极小极大算法（Minimax Algorithm）并结合Alpha - Beta 剪枝技术来实现 AI 的落子决策。根据不同的 AI 难度设置不同的搜索深度，以平衡 AI 的计算时间和决策质量。同时，为了避免 AI 计算超时，设置了self.ai_timeout参数，当计算时间超过该值时，AI 会随机选择一个空位落子。

2.4. 游戏状态保存和加载

使用 JSON 格式将游戏状态（如棋盘状态、当前玩家、落子历史等）保存到文件中，方便后续加载游戏进度。

2.5. 音效和动画

使用playsound库在玩家落子、获胜、平局和悔棋等情况下播放相应的音效。通过tkinter的update方法和time.sleep函数实现棋子放置和获胜动画效果。

3. 实现流程

3.1. 初始化

在Gomoku类的__init__方法中，初始化游戏的各种属性，包括棋盘大小、当前玩家、玩家名称、AI 难度等。同时，创建游戏界面组件，如棋盘按钮、状态标签和操作按钮等，并允许用户设置玩家名称。

我们实现了三种AI难度级别（简单、中等、困难），满足不同技能水平玩家的需求，可视化界面如下图所示：

3.2. 玩家落子

当玩家点击棋盘上的按钮时，调用make_move方法处理玩家的落子操作。该方法会更新棋盘状态、检查游戏是否结束，并切换玩家。如果当前游戏模式为人机对战且轮到 AI 玩家，则调用ai_make_move方法让 AI 落子。

其中，处理玩家点击事件，更新棋盘状态的make_move代码如下所示：

def make_move(self, row, col):"""处理玩家移动"""if self.board[row][col] == ' ' and self.game_active:# 记录当前移动到历史self.move_history.append((row, col, self.current_player))self.undo_button.config(state=tk.NORMAL)  # 启用悔棋按钮# 播放放置音效self.play_sound('place')# 添加放置动画self.animate_cell(row, col)# 更新棋盘数据self.board[row][col] = self.current_player# 更新按钮显示（使用●表示黑棋，○表示白棋）symbol = '●' if self.current_player == 'X' else '○'self.buttons[row][col].config(text=symbol)# 记录上一步self.last_move = (row, col)self.last_move_label.config(text=f"上一步: {self.player_names[self.current_player]} 在位置 {row + 1},{col + 1}")# 检查游戏状态if self.check_winner(self.current_player):self.status_label.config(text=f"{self.player_names[self.current_player]} 获胜！")self.game_active = Falseself.undo_button.config(state=tk.DISABLED)  # 禁用悔棋按钮# 播放胜利音效和动画self.play_sound('win')self.animate_winning_cells()messagebox.showinfo("游戏结束", f"{self.player_names[self.current_player]} 获胜！")elif self.is_board_full():self.status_label.config(text="游戏平局！")self.game_active = Falseself.undo_button.config(state=tk.DISABLED)  # 禁用悔棋按钮# 播放平局音效self.play_sound('draw')messagebox.showinfo("游戏结束", "游戏平局！")else:# 切换玩家self.current_player = 'O' if self.current_player == 'X' else 'X'self.status_label.config(text=f"当前玩家: {self.player_names[self.current_player]}")# 如果是AI玩家且游戏模式为人机对战，则AI落子if self.game_mode == 'human_vs_ai' and self.current_player == self.ai_player:self.status_label.config(text=f"{self.player_names[self.current_player]} 正在思考...")self.root.after(500, self.ai_make_move)  # 延迟500ms开始AI思考，避免界面卡顿

调用ai_make_move方法让 AI 落子的代码如下所示：

def ai_make_move(self):"""AI落子"""if not self.game_active or self.game_mode != 'human_vs_ai' or self.current_player != self.ai_player:returnself.ai_start_time = time.time()self.best_move = None# 根据难度选择不同的搜索深度depth = 1 if self.ai_difficulty == 0 else 3 if self.ai_difficulty == 1 else 5self.initial_depth = depth  # 保存初始深度用于记录最佳落子# 使用极小极大算法寻找最佳落子self.minimax(depth, -float('inf'), float('inf'), True)# 检查是否超时，如果超时则随机选择一个空位current_time = time.time()if current_time - self.ai_start_time > self.ai_timeout or self.best_move is None:# 随机选择一个空位empty_cells = [(r, c) for r in range(self.board_size) for c in range(self.board_size) ifself.board[r][c] == ' ']if empty_cells:self.best_move = random.choice(empty_cells)# 执行落子if self.best_move:row, col = self.best_moveself.make_move(row, col)

可视化界面如下所示：

3.3. AI 落子

在ai_make_move方法中，根据 AI 难度设置搜索深度，调用minimax方法使用极小极大算法和 Alpha - Beta 剪枝技术寻找最佳落子位置。如果计算超时或未找到最佳位置，则随机选择一个空位落子。

3.4. 极小极大算法

minimax方法实现了极小极大算法和 Alpha - Beta 剪枝技术。在递归过程中，根据当前玩家的角色（最大化或最小化）选择最优的落子位置。同时，在每次递归调用时检查是否超时，如果超时则提前返回结果。该算法的代码如下所示：

def minimax(self, depth, alpha, beta, is_maximizing):"""极小极大算法，带alpha-beta剪枝和超时检查"""# 检查超时current_time = time.time()if current_time - self.ai_start_time > self.ai_timeout:return -1000 if is_maximizing else 1000# 检查游戏状态if self.check_winner(self.ai_player):return 10000 + depth  # AI获胜if self.check_winner('X' if self.ai_player == 'O' else 'O'):return -10000 - depth  # 玩家获胜if self.is_board_full():return 0  # 平局if depth == 0:return self.evaluate_board()  # 评估当前局面if is_maximizing:max_score = -float('inf')# 获取所有空位并按分数排序（启发式排序）empty_cells = [(r, c) for r in range(self.board_size) for c in range(self.board_size) ifself.board[r][c] == ' ']# 按中心距离排序，优先考虑中心区域empty_cells.sort(key=lambda pos: abs(pos[0] - 7) + abs(pos[1] - 7))for r, c in empty_cells:self.board[r][c] = self.ai_playerscore = self.minimax(depth - 1, alpha, beta, False)self.board[r][c] = ' 'if score > max_score:max_score = scoreif depth == self.initial_depth:  # 记录最佳落子位置self.best_move = (r, c)alpha = max(alpha, score)if beta <= alpha:break  # Beta剪枝# 检查超时current_time = time.time()if current_time - self.ai_start_time > self.ai_timeout:return max_scorereturn max_scoreelse:min_score = float('inf')# 获取所有空位并按分数排序（启发式排序）empty_cells = [(r, c) for r in range(self.board_size) for c in range(self.board_size) ifself.board[r][c] == ' ']# 按中心距离排序，优先考虑中心区域empty_cells.sort(key=lambda pos: abs(pos[0] - 7) + abs(pos[1] - 7))for r, c in empty_cells:opponent = 'X' if self.ai_player == 'O' else 'O'self.board[r][c] = opponentscore = self.minimax(depth - 1, alpha, beta, True)self.board[r][c] = ' 'if score < min_score:min_score = scorebeta = min(beta, score)if beta <= alpha:break  # Alpha剪枝# 检查超时current_time = time.time()if current_time - self.ai_start_time > self.ai_timeout:return min_scorereturn min_score

3.5. 评估函数

evaluate_board方法用于评估当前棋盘状态的分数，根据 AI 和玩家的连续棋子数给予不同的分数奖励或惩罚，同时对中心位置的棋子给予额外的奖励或惩罚。该算法的代码如下所示：

def evaluate_board(self):"""评估棋盘状态，返回分数"""score = 0ai_player = self.ai_playerhuman_player = 'X' if ai_player == 'O' else 'O'# 评估行、列、对角线directions = [(0, 1), (1, 0), (1, 1), (1, -1)]for row in range(self.board_size):for col in range(self.board_size):if self.board[row][col] == ' ':continue# 检查当前位置在各个方向上的连续棋子for dx, dy in directions:# 计算当前方向上AI和玩家的连续棋子数ai_count, human_count = self.count_consecutive(row, col, dx, dy)# 根据连续棋子数给予分数if ai_count > 0:if ai_count >= 5:  # AI五连score += 100000elif ai_count == 4:  # AI四连score += 10000elif ai_count == 3:  # AI三连score += 1000elif ai_count == 2:  # AI二连score += 100else:  # AI一连score += 10if human_count > 0:if human_count >= 5:  # 玩家五连score -= 100000elif human_count == 4:  # 玩家四连score -= 10000elif human_count == 3:  # 玩家三连score -= 1000elif human_count == 2:  # 玩家二连score -= 100else:  # 玩家一连score -= 10# 中心位置奖励center = self.board_size // 2for r in range(center - 1, center + 2):for c in range(center - 1, center + 2):if 0 <= r < self.board_size and 0 <= c < self.board_size:if self.board[r][c] == ai_player:score += 5elif self.board[r][c] == human_player:score -= 5return score

3.6. 游戏状态保存和加载

save_game方法将游戏状态保存为 JSON 文件，load_game方法从 JSON 文件中加载游戏状态并恢复。

3.7. 悔棋功能

undo_move方法实现了悔棋功能，将上一步的落子撤销，恢复棋盘状态和玩家信息。悔棋也是一个关键功能，实现代码如下所示：

def undo_move(self):"""悔棋功能"""if not self.move_history:return  # 没有历史记录# 播放悔棋音效self.play_sound('undo')# 恢复上一步row, col, player = self.move_history.pop()self.board[row][col] = ' 'self.buttons[row][col].config(text='', bg='SystemButtonFace')  # 恢复默认背景# 清除获胜高亮if self.winning_cells:for r, c in self.winning_cells:self.buttons[r][c].config(bg='SystemButtonFace')self.winning_cells = []# 更新上一步信息if self.move_history:last_row, last_col, last_player = self.move_history[-1]self.last_move = (last_row, last_col)self.last_move_label.config(text=f"上一步: {self.player_names[last_player]} 在位置 {last_row + 1},{last_col + 1}")else:self.last_move = Noneself.last_move_label.config(text="上一步: 无")# 切换回上一个玩家self.current_player = playerself.status_label.config(text=f"当前玩家: {self.player_names[self.current_player]}")# 重新激活游戏（如果之前结束了）self.game_active = True# 如果没有历史记录了，禁用悔棋按钮if not self.move_history:self.undo_button.config(state=tk.DISABLED)

可视化界面如下所示：

3.8. 重置游戏

reset_game方法将游戏状态重置为初始状态，清空棋盘和落子历史。

4. 总结

本代码成功实现了一个支持人机对战的五子棋游戏，具备友好的图形用户界面、多种游戏模式和 AI 难度选择、游戏状态保存和加载、悔棋功能以及音效和动画效果。通过使用极小极大算法和 Alpha - Beta 剪枝技术，AI 能够做出合理的落子决策，为玩家提供了一定的挑战。同时，代码的结构清晰，各个功能模块分工明确，便于后续的扩展和维护。然而，代码也存在一些可以改进的地方，例如可以进一步优化 AI 的评估函数，提高 AI 的决策质量；可以添加更多的游戏规则和玩法，增加游戏的趣味性。

5. 项目展示

最后上传个该项目的简要演示视频，供大家了解。