免费毕设之基于Java的五子棋游戏的设计(源代码+论文)

胜负判断条件以下给出了X方向的代码：

 protectedboolean judge(int x,int y,int clr){

        inti=0,j=0,count=0;

        // x方向

       for(i=0,count=0;x-i>=0&&i<5;i++){

            if(clr==board[x-i][y]){

               count++;

            }

                    else{

               break;

            }

  // System.out.println("("+x+" , "+y+" )"+"count = "+count);

           if(count==5)

               return true;

        }

       for(i=1;x+i<15&&i<5;i++){

           if(clr==board[x+i][y]){

               count++;

           }else{

               break;

            }

           if(count==5)

               return true;

        }

        returnfalse;

}

为保证公平，先下子的就有禁手。但是我们一般没有这个规则限制，都是轮流先下子。理论上是这样的。但很多专家表明，先下子有很大的几率获胜，即使有禁手，先下子的一方还是有很大的优势，我觉得对于我们一般玩家而言，这些规定可以不考虑。

判断胜负的不管是单机还是玩家相互游戏，都必须开服务端，因为判断胜负是放在里面的。如果有一方获胜，弹出提示框，如果确认则清空棋盘继续新游戏。

public void getVictory(Message msg){

       JOptionPane.showMessageDialog(null,

                                     "You  Win  The Game",

                                     "Congratulations",

                             JOptionPane.INFORMATION_MESSAGE);

        //继续新游戏

       label3.setText("Player2");

       newGame();

    }

需要注意的一点是落下的棋子如果离任何一方的边界小于4，则以边界为限制判断是否有一方获胜，这样的话也要考虑多种方向，但原理还是和基本情况是一样的。

1.1  网络对战

这部分也属于网络套接字编程的经典应用，根据服务器地址连接特定端口。

网络部分很简单，但是我也做出了自己的特色，就是事件处理,做工可根据具体情况修改，虽然没有多少实用价值，但是也尽量使程序留有扩展性。下面给出了Message的代码。

/**

 * 消息列表

 * type = 1 // 请求连接,  msg = 连接者名字

 * type = 2 // 放棋子

 * type = 3 // 请求和其他人游戏

 * type = 4 // 拒绝游戏请求

 * type = 5 // 同意请求

 * type = 6 // 发送胜利消息

 * type = 7 // 断开连接请求

 * type = 8 // 保存游戏，但是不放在磁盘上，在下一局开始时将会丢失

 * type = 9 // 添加新的玩家到所有客户端的玩家列表

 * type = 10// 响应信息 type ==1

 * type = 11// 和玩家游戏,msg 保存玩家的名字 ,创建游戏的玩家设置游戏

 * type = 12//信息设置

 * type = 13// 设置玩家颜色

 * type = 14// msg＝ 接受请求的一方设置

 * type = 15// 服务端更新信息

 * type = 16// 发送控制或错误信息

 * type = 17// 游戏失败

 * type = 18// 服务端套接字关闭

 * type = 19// 玩家结束游戏及更新

 * tyep = 20// 电脑获胜/ 玩家获胜

 */

SOCKET监听端口，如果有玩家则更新玩家列表，如果双击除自己以外的玩家，则可以开始游戏，发送游戏请求，如果同意则返回棋子颜色并开始游戏，同时清空玩家列表。每一下子，把坐标传给服务端，并在2端显示出来，并且判断胜负。如果，有一方获胜，则提示消息通知双方，确定则继续开始新游戏。

服务端开启服务监听线程和客户端，如图15，如果有玩家知道服务器IP地址，即可选择在线玩家进行联网游戏，如图16。

双击除自己以外的一个玩家，发出游戏请求，同时要确定自己棋子的颜色，用MSG发回服务端。如果被拒绝，则返回原来的状态。

if(msg.color==1){

            ss = new String("white");

            bpanel.setColor(2);

        }

        else{

            ss = new String("black");

            bpanel.setColor(1);

        } 

1.1  电脑AI

广义上来讲，博弈是指在一定的环境条件和一定的规则约束下，依靠自己所能够掌握的信息，从各自选择的行为或是策略进行选择并加以实施，并从各自取得相应结果或收益的过程。冯·诺伊曼（John von Neumann,1903-1957）和摩根斯坦恩（Oskar Margenstern,1902-1977）在1944年出版了《博弈论与经济行为》（Theory of Games and Economic Behavior）一书中，最早地提出了关于博弈论的概念。但是，对于非合作、纯竞争型博弈，诺伊曼所解决的只有二人零和博弈。在这里所抽象化后的博弈问题是，已知参与者集合(两方)，策略集合(所有棋着)，和盈利集合(赢子输子)，最终是想去找到一个理论上的解或平衡，也就是对参与双方来说都最合理、最优的具体策略。

而在这里狭义的讲，博弈论主要是研究棋手们落子中理性化、逻辑化的部分，并将其系统化为一门科学。换言之，博弈就是研究个体如何在错综复杂的相互影响中得出最合理的策略，博弈论正是衍生于古老的游戏或曰博弈如象棋、扑克等。数学家们将具体的问题抽象化，通过建立自完备的逻辑框架、体系研究其规律及变化。

参考了很多五子棋算法，大部分思想差不多，就是搜索估值确定重要性，然后选取最大的一个点下子。具体做法如下：为电脑和玩家各建立一张表，用来存放棋型数据，比如“20”代表“冲四”的点，用“15”代表“活三”的点，那么在计算重要性时，就可以根据20>15得出前者比后者重要，下子时电脑便会自动选择“冲四”的点，这里还要说明一点的事，还要考虑四个方向。因为有可能有复合棋型，比如“四三”..从第一步起，不管是哪一方下子，电脑都有以这点为中心搜索9X9的矩阵内的所有空白点上棋子的重要性，一颗棋子对棋型影响的大小有9X9。重要看来虽然说进攻和防守的重要性一样的，但是我认为防守更重要。

在估值的时候，必须要考虑棋子的合法落子情况。不同的棋类博弈，其估值必定有极大的差别，各种因为规则而造成的不同因素影响估值的设计。不同的棋类游戏各有所谓的规则，规则中就有博弈双方都可以走哪些着法。某些博弈游戏很容易就找到合理着法，我所实现的五子棋，它就具有很简单的落子规则，即棋盘上所有的空位都可以落子，它们都是合理的着法。但是有些棋类游戏，比如在中国象棋和国际象棋中，情况就有些复杂了，每个棋子都有它特定的着法，

电脑下子要考虑自己和玩家的棋型，优先防守，如果没有要防的棋型，则搜索自己的棋型下子。

设置重要性,即估值模块，下面只给出横向的代码

private voidsetWeight(int x,int y,int tcolor){

        inti=RectX1,j=RectY1,value=0,k=0,n=0,flag=0;

        // '--' 方向

        for(i=RectX1,j=y;i<=RectX2;i++){

            if(BoardPanel.board[i][j]!=0){

                continue;

            }

            value=0;flag=0;

            for(k=1;i-k>=RectX1 &&k<5;k++){

               if(BoardPanel.board[i-k][j]==tcolor){

                    value++;

                    continue;

                }

               if(BoardPanel.board[i-k][j]==0){//black space

                    flag++;

                    break;

                }

            }

            for(k=1;i+k<RectX2 &&k<5;k++){

                if(BoardPanel.board[i+k][j]==tcolor){

                    value++;

                }

               if(BoardPanel.board[i+k][j]==0){

                    flag++;

                    break;

                }

            }

            n=weight(value,flag);

            if(weightBoard[i][j]<n){

                weightBoard[i][j]=n;

            }

        }

     }

    设定相应空位的重要值以后，选取最大的值下子，代码如下：

private voidgetBiggest(int [][] arr,int x,int y){

        int [] temp=new int[2];

        int swt=arr[0][0],tmp=0;

        for(int i=0;i<15;i++){

            for(int j=0;j<15;j++){

                if(arr[i][j]>swt){

                    temp[0]=i;temp[1]=j;

                    swt=arr[i][j];

                }

            }

        }

        x=temp[0];

        y=temp[1];

        arr[x][y]=0;

    } 

对于特定的棋型，都有一个不同的估值，以此来区别不同棋型的优劣，也以此来决定最终的落子位置。毫无疑问，像已有四子连成一线且还可以继续落子的情况，明显要比只有三个子连成一线的情况要好，或者说优先级要更高，对弈双方对此种棋局，肯定都是把第一种情况放为首要分析的位置上。因此，要使棋手做出这种判断，就要把第一种情况的估值设置得高。

对不同的棋型设置重要值，比如：活四、死四、活三、死三、活二、死二。

同理，和判断胜负一样下子也要考虑边界特殊情况，矩形设置如下： 

private void setRect(int x,int y){

       if(x-4>0)  RectX1=x-4;

       else       RectX1=0;

       if(x+4>14) RectX2=14;

       else       RectX2=x+4;

       if(y-4>0)  RectY1=y-4;

       else       RectY1=0;

       if(y+4>14) RectY2=14;

       else       RectY2=y+4;

       if(RectX1>RectY1) RectX1 = x-(y-RectY1);

       else              RectY1 =y-(x-RectX1);

       if(RectX2>RectY2) RectY2 = y+(RectX2-x);

       else              RectX2 =x+(RectY2-y);

    }             

努力提高电脑AI一直是五子棋游戏关键，第一步的人工智能只是估值和搜索算法的集合，要真正的提高电脑AI还有很多步，例如，我的电脑AI只是片面的分析了双方的器型，没有前瞻性。如果玩家多想几步，电脑就发现不了。不过即使没采用递归算法，要是让电脑先下子的话，你的大部分时间也是花在防守上，可能是我的棋力太菜了，我自己还没有下赢过电脑。

目前有2种方法提高电脑棋力：一是递归算法，二是增加细致的特定棋形的判断，鉴于自己对算法方面欠缺甚多，没有办法完成这个功能，实在是遗憾。我大体说一下这2种算法的思路：递归算法的意思可以说成“今后几步预测法”，首先让电脑分析一个可能的点，如果在这儿下子将会形成对手不得不防守的棋型（例如：“冲四”、“活三”）；那么下一步对手就会照你的思路来防守你，如此一来便完成了第一步的预测。这时候在调用盘面分析模块对预测后的棋型进行分析，如果出现了“四三”、“双三”或“双四”等制胜点，那么己方就可以获胜了。否则照同样的方法向下分析，就可以预测出多步。如果盘面上没有对手必须防的棋型，进攻不成的话就得考虑防守了，将自己和对手调换一下位置，然后用上面的方法来预测对手的棋重要防守和攻击都可以平衡，不过缺点是预测的算法量比较大。关于增加细致的特定棋形的判断，前面已经说过，以为不同的棋型，例如“死四”就有不同的几种情况，如果对每一种设置不同的重要值，也可以提高电脑AI,但是要设置合适的分数就要在实践中检验了，因为这个不是大小的问题，而是相差多少。正如前面所说，增加对细致棋型的判断也会提高电脑AI，虽然没有递归算法明显，但的确是一种途径，不过考虑的因素较多。

关于电脑学习，这听起来似乎是算法无法实现的功能。但是在对弈中却是非常有用的，但还只是些理论上的东西，比如棋局结束后，反向搜索，在自己的棋库中设置相关记忆。但我并不以为这是很好的方法。因为用这种方法，很有可能它没有找准原因，又或者进行学习的时候反而把劣等的学习进去；并且这种学习是很片面的，它只会认准一种极相似的情况(或者说一模一样的棋局情况)，而不会辨识出相似的棋局情况。

源文件