Minimax算法和机器学习技术已经研究了数十年，以在象棋和五子棋等游戏领域中达到理想的优化。 在这些领域中，几代人试图为修剪和评估功能的有效性优化代码。 因此，存在装备精良的算法来处理游戏场合中的各种复杂情况。 但是，作为传统的零和游戏，Connect-4与使用传统minimax算法的零和家族的其他成员相比，受到的关注较少。 近年来，基于研究结论，专业知识和游戏经验，创造了新一代启发式方法来解决此问题。 但是，本文主要介绍了一种自行开发的启发式方法，并结合研究和我们自己的经验证明了与网上可用的Connect-4系统版本相抗衡的结果。 尽管大多数以前的工作都集中在赢得算法和基于知识的方法上，但我们通过启发式分析来补充这些工作。 我们已经进行了三个功能，搜索深度和特征数量之间的关系的实验，并与在线样本进行了对比测试。 与基于总结经验和通用特征的样本不同，我们的启发式方法主要集中于船上部件之间的详细连接。 通过分析当我们的版本与具有不同搜索深度的在线样本进行对抗时的获胜百分比，我们发现采用minimax算法的启发式算法在零和游戏的早期阶段是完美的。 由于游戏树中的某些节点对minimax算

极小极大 井字棋游戏中极小极大算法的 LISP 实现 我为我的 AI 入门课程编写了这段代码。 它使用极小极大算法实现井字棋游戏。 它没有任何类型的图形界面。

井子棋是棋类中最简单的一种，通常作为算法的练手项目，该资源使用极小极大算法实现了一个井字棋的人机对弈，只需运行资源里的play_to_bot就可以在命令行里与AI对弈了，可以肯定的是你绝对不可能战胜它。虽然实现它比较容易，但是麻雀虽小，五脏俱全，棋类的基本框架类似，你可以在学习这个之后迁移到其他棋类