单点评估 vs 全盘评估——AI如何看待棋盘设计截图如下两种评估函数的对比本项目实现了两种评估策略维度evaluatePositionevaluateLines用途普通模式、候选排序困难模式Minimax叶节点范围评估单个位置的四方向评估全盘所有线复杂度O(1)O(n)精度局部精确全局视角evaluatePosition单点评估privateevaluatePosition(board:number[][],row:number,col:number,player:number):number{constdirections:number[][][[0,1],[1,0],[1,1],[1,-1]];lettotalScore:number0;for(constdirofdirections){totalScorethis.evaluateDirection(board,row,col,dir[0],dir[1],player);}returntotalScore;}核心思路假设在(row, col)落子计算该位置在四个方向上的棋型分数之和。evaluateDirection单方向扫描privateevaluateDirection(board:number[][],row:number,col:number,dr:number,dc:number,player:number):number{letcount:number1;letleftOpen:booleanfalse;letrightOpen:booleanfalse;// 正方向统计连续同色棋子letrrowdr;letccoldc;while(r0rBOARD_SIZEc0cBOARD_SIZEboard[r][c]player){count;rdr;cdc;}// 检查正方向是否开放if(r0rBOARD_SIZEc0cBOARD_SIZEboard[r][c]EMPTY){rightOpentrue;}// 反方向统计连续同色棋子rrow-dr;ccol-dc;while(r0rBOARD_SIZEc0cBOARD_SIZEboard[r][c]player){count;r-dr;c-dc;}// 检查反方向是否开放if(r0rBOARD_SIZEc0cBOARD_SIZEboard[r][c]EMPTY){leftOpentrue;}constopenCount(leftOpen?1:0)(rightOpen?1:0);returnthis.scoreForCount(count,openCount);}评估流程以落子点为中心正方向延伸统计连续同色棋子检查端点是否开放反方向延伸同上用count和openCount查表得分evaluateLines全盘评估privateevaluateLines(board:number[][],player:number):number{lettotal:number0;constdirections:number[][][[0,1],[1,0],[1,1],[1,-1]];for(constdirofdirections){if(dir[0]0dir[1]1){// 水平每行从(0,0)开始for(letrow0;rowBOARD_SIZE;row){totalthis.evaluateLine(board,row,0,dir[0],dir[1],player);}}elseif(dir[0]1dir[1]0){// 垂直每列从(0,col)开始for(letcol0;colBOARD_SIZE;col){totalthis.evaluateLine(board,0,col,dir[0],dir[1],player);}}elseif(dir[0]1dir[1]1){// 主对角线从左边和上边出发for(letrow0;rowBOARD_SIZE;row){totalthis.evaluateLine(board,row,0,dir[0],dir[1],player);}for(letcol1;colBOARD_SIZE;col){totalthis.evaluateLine(board,0,col,dir[0],dir[1],player);}}else{// 副对角线从左边和上边出发for(letrow0;rowBOARD_SIZE;row){totalthis.evaluateLine(board,row,0,dir[0],dir[1],player);}for(letcol1;colBOARD_SIZE;col){totalthis.evaluateLine(board,0,col,dir[0],dir[1],player);}}}returntotal;}扫描线的起点不同方向的扫描起点不同水平方向(0,1)从每行的第0列开始 → 15条线 垂直方向(1,0)从第0行的每列开始 → 15条线 主对角(1,1)从左边上边出发 → 29条线 副对角(1,-1)从左边上边出发 → 29条线 总计88条扫描线evaluateLine逐线扫描privateevaluateLine(board:number[][],startRow:number,startCol:number,dr:number,dc:number,player:number):number{letscore:number0;letrowstartRow;letcolstartCol;letconsecutive:number0;while(row0rowBOARD_SIZEcol0colBOARD_SIZE){if(board[row][col]player){consecutive;}else{if(consecutive0){// 计算这段连续棋子的分数letopenEnds:number0;// 检查前方是否开放constprevRrow-dr*(consecutive1);constprevCcol-dc*(consecutive1);if(prevR0prevRBOARD_SIZEprevC0prevCBOARD_SIZEboard[prevR][prevC]EMPTY){openEnds;}// 检查后方是否开放if(board[row][col]EMPTY){openEnds;}scorethis.scoreForCount(consecutive,openEnds);consecutive0;}}rowdr;coldc;}// 处理末尾的连续段if(consecutive0){letopenEnds:number0;constprevRrow-dr*(consecutive1);constprevCcol-dc*(consecutive1);if(prevR0prevRBOARD_SIZEprevC0prevCBOARD_SIZEboard[prevR][prevC]EMPTY){openEnds;}scorethis.scoreForCount(consecutive,openEnds);}returnscore;}逐线扫描逻辑沿着方向遍历每个格子遇到同色棋子consecutive遇到不同色或空位结算之前的连续段结算时检查两端是否开放用scoreForCount查表得分evaluateBoard全盘综合评估privateevaluateBoard(board:number[][]):number{letaiScore:number0;lethumanScore:number0;aiScorethis.evaluateLines(board,this.aiColor);humanScorethis.evaluateLines(board,this.humanColor);returnaiScore-humanScore*1.1;}防守权重1.1与普通模式的攻防权重一致——AI评估时对人类的棋型稍加重视。两种评估的使用场景evaluatePosition单点普通模式评估每个候选位置的攻防价值候选排序为困难模式排序候选evaluateBoard全盘Minimax叶节点评估搜索到底时的整体局面为什么叶节点用全盘评估因为Minimax的叶节点是未来的局面需要整体评估而非单点评估——单点评估只考虑了最后一手的影响可能遗漏其他方向的威胁。总结两种评估函数代表了不同的思考方式evaluatePosition聚焦一点四方向扫描——快速但不全面evaluateLines扫描全盘逐线统计——全面但较慢普通AI用单点评估实现快速决策困难AI用全盘评估实现深度搜索。两者的配合让AI在不同难度下都有合理的评估能力。
单点评估 vs 全盘评估——AI如何看待棋盘设计截图如下两种评估函数的对比本项目实现了两种评估策略维度evaluatePositionevaluateLines用途普通模式、候选排序困难模式Minimax叶节点范围评估单个位置的四方向评估全盘所有线复杂度O(1)O(n)精度局部精确全局视角evaluatePosition单点评估privateevaluatePosition(board:number[][],row:number,col:number,player:number):number{constdirections:number[][][[0,1],[1,0],[1,1],[1,-1]];lettotalScore:number0;for(constdirofdirections){totalScorethis.evaluateDirection(board,row,col,dir[0],dir[1],player);}returntotalScore;}核心思路假设在(row, col)落子计算该位置在四个方向上的棋型分数之和。evaluateDirection单方向扫描privateevaluateDirection(board:number[][],row:number,col:number,dr:number,dc:number,player:number):number{letcount:number1;letleftOpen:booleanfalse;letrightOpen:booleanfalse;// 正方向统计连续同色棋子letrrowdr;letccoldc;while(r0rBOARD_SIZEc0cBOARD_SIZEboard[r][c]player){count;rdr;cdc;}// 检查正方向是否开放if(r0rBOARD_SIZEc0cBOARD_SIZEboard[r][c]EMPTY){rightOpentrue;}// 反方向统计连续同色棋子rrow-dr;ccol-dc;while(r0rBOARD_SIZEc0cBOARD_SIZEboard[r][c]player){count;r-dr;c-dc;}// 检查反方向是否开放if(r0rBOARD_SIZEc0cBOARD_SIZEboard[r][c]EMPTY){leftOpentrue;}constopenCount(leftOpen?1:0)(rightOpen?1:0);returnthis.scoreForCount(count,openCount);}评估流程以落子点为中心正方向延伸统计连续同色棋子检查端点是否开放反方向延伸同上用count和openCount查表得分evaluateLines全盘评估privateevaluateLines(board:number[][],player:number):number{lettotal:number0;constdirections:number[][][[0,1],[1,0],[1,1],[1,-1]];for(constdirofdirections){if(dir[0]0dir[1]1){// 水平每行从(0,0)开始for(letrow0;rowBOARD_SIZE;row){totalthis.evaluateLine(board,row,0,dir[0],dir[1],player);}}elseif(dir[0]1dir[1]0){// 垂直每列从(0,col)开始for(letcol0;colBOARD_SIZE;col){totalthis.evaluateLine(board,0,col,dir[0],dir[1],player);}}elseif(dir[0]1dir[1]1){// 主对角线从左边和上边出发for(letrow0;rowBOARD_SIZE;row){totalthis.evaluateLine(board,row,0,dir[0],dir[1],player);}for(letcol1;colBOARD_SIZE;col){totalthis.evaluateLine(board,0,col,dir[0],dir[1],player);}}else{// 副对角线从左边和上边出发for(letrow0;rowBOARD_SIZE;row){totalthis.evaluateLine(board,row,0,dir[0],dir[1],player);}for(letcol1;colBOARD_SIZE;col){totalthis.evaluateLine(board,0,col,dir[0],dir[1],player);}}}returntotal;}扫描线的起点不同方向的扫描起点不同水平方向(0,1)从每行的第0列开始 → 15条线 垂直方向(1,0)从第0行的每列开始 → 15条线 主对角(1,1)从左边上边出发 → 29条线 副对角(1,-1)从左边上边出发 → 29条线 总计88条扫描线evaluateLine逐线扫描privateevaluateLine(board:number[][],startRow:number,startCol:number,dr:number,dc:number,player:number):number{letscore:number0;letrowstartRow;letcolstartCol;letconsecutive:number0;while(row0rowBOARD_SIZEcol0colBOARD_SIZE){if(board[row][col]player){consecutive;}else{if(consecutive0){// 计算这段连续棋子的分数letopenEnds:number0;// 检查前方是否开放constprevRrow-dr*(consecutive1);constprevCcol-dc*(consecutive1);if(prevR0prevRBOARD_SIZEprevC0prevCBOARD_SIZEboard[prevR][prevC]EMPTY){openEnds;}// 检查后方是否开放if(board[row][col]EMPTY){openEnds;}scorethis.scoreForCount(consecutive,openEnds);consecutive0;}}rowdr;coldc;}// 处理末尾的连续段if(consecutive0){letopenEnds:number0;constprevRrow-dr*(consecutive1);constprevCcol-dc*(consecutive1);if(prevR0prevRBOARD_SIZEprevC0prevCBOARD_SIZEboard[prevR][prevC]EMPTY){openEnds;}scorethis.scoreForCount(consecutive,openEnds);}returnscore;}逐线扫描逻辑沿着方向遍历每个格子遇到同色棋子consecutive遇到不同色或空位结算之前的连续段结算时检查两端是否开放用scoreForCount查表得分evaluateBoard全盘综合评估privateevaluateBoard(board:number[][]):number{letaiScore:number0;lethumanScore:number0;aiScorethis.evaluateLines(board,this.aiColor);humanScorethis.evaluateLines(board,this.humanColor);returnaiScore-humanScore*1.1;}防守权重1.1与普通模式的攻防权重一致——AI评估时对人类的棋型稍加重视。两种评估的使用场景evaluatePosition单点普通模式评估每个候选位置的攻防价值候选排序为困难模式排序候选evaluateBoard全盘Minimax叶节点评估搜索到底时的整体局面为什么叶节点用全盘评估因为Minimax的叶节点是未来的局面需要整体评估而非单点评估——单点评估只考虑了最后一手的影响可能遗漏其他方向的威胁。总结两种评估函数代表了不同的思考方式evaluatePosition聚焦一点四方向扫描——快速但不全面evaluateLines扫描全盘逐线统计——全面但较慢普通AI用单点评估实现快速决策困难AI用全盘评估实现深度搜索。两者的配合让AI在不同难度下都有合理的评估能力。
（支持资料、图片参考_相关定制）_)
