本文简单的介绍了计算机博弈算法。计算机博弈在某种形式上属于人工智能，而本文只介绍一下其中的一种简单形式——零和博弈，并给出了一个实例――黑白棋。

简单的黑白棋源代码，c++编写，不实现AI，仅仅是人对人的

课程：CS4701 - 人工智能作业编号：2 姓名 : 舒蒂卡·达斯古普塔 目标：使用极小极大算法和 Alpha-Beta 剪枝优化黑白棋游戏。 为了实施 Minimax 算法，使程序在黑白棋游戏中与对手公平竞争，已经实施了以下功能，并使用以下启发式方法运行它们，以提高我的代理战胜随机代理的机会。 文件中的函数 get_move --> 该函数调用树中的各种函数，以便构建极大极小树。 --> 同样为了让它更快更有效地工作，我们正在实现对函数的调用，以便将深度作为参数传递，并取决于用户完成游戏并移动的剩余时间，深度不同在“2”和“3”之间变化 --> 游戏以两种模式运行，即 alpabeta 模式和 minimax 模式 minimax --> 这种方法很自然地应用了板状态的 minimaxtree 实现。 -->此方法调用 min_gameply() 最小值，以便对手玩家最小化其随机选

参考 多边贸易体制 评估功能

int canspace(int a[8][8], int row, int col, int num ,int color) //row，col行列坐标，num方向向量，1黑棋，2白棋

Android游戏源码黑白棋（奥赛罗）完整APP源代码

奥赛罗 这是使用 Haskell 的黑白棋游戏的简单实现。 库依赖 依赖于以下库 wx 核心 请参考下载并安装必要的库。

java黑白棋，人机对弈，可直接使用还是比较好的，写了一个比较简单的算法

自己实现的黑白棋！！

黑白棋java源码jOthelloT（Java 黑白棋锦标赛） 抽象的 入门人工智能本科班经常介绍使用不同搜索算法的不同搜索方法。 在这种情况下，经常教授的算法之一是 minimax 算法，它用于对抗性游戏，您希望在最大化获胜机会的同时最小化对手获胜的机会。 不同的教师使用不同的游戏让学生实现极小极大算法，例如跳棋、黑白棋或国际象棋。 然而，这项作业的一个常见问题是学生通常会花更多的时间来实现游戏本身，而不是游戏中的人工智能技术。 出于这个原因，在本文中，我们提出了一个基于 Java 的开源 Othello 框架，该框架旨在用于人工智能本科课程。 我们的框架具有多项功能，可帮助学生专注于游戏人工智能方面的开发，而不是开发游戏本身。 该框架的一个特殊功能是它有一个方法，该方法根据游戏板的当前状态以及哪个玩家将要进行下一步，返回有效移动列表。 通过这种方法，学生可以专注于如何使用几个启发式函数和实现极大极小算法来评估不同的状态。 该框架的另一个特点是图形用户界面和 HumanPlayer 类，它允许学生对自己的代码进行游戏。 此功能很重要，因为它不仅可以让学生调试他们的代码，还可以评估他们