《纯JS 智能五子棋 out版》都写了出来，这个版本怎么可能不写，我感觉它还是不错的，一不小心会输给它，或者跟它纠结了至少半个盘面才赢，不过觊觎里面还有很多细节没完善，所以命名为《纯JS 智能五子棋初级版》，做人还是低调的好，不过目前还是引以为傲的一个作品哈，初级版的界面如下：

 

这不是跟原来的一样吗，坑爹啊!!! 不一样的，其实它下面多了两个按钮哈...

 

正如前面out版所说，我除了方向循环，界面设计采用了前面那个之外，其它的基本都是重新写的，智商从“智障”提升到“一般大众”水平，界面可见功能都绑定上去了，兼容firefox、chrome、safari、ie各版本，你可以通过这个链接下载程序源代码，小心别输给它哦 q(^0^)p ：《纯JS 智能五子棋 初级版》

 

为方便下载，提供本人网盘帐号密码，请不要弄乱里面的页面，以方便其它人下载，谢谢。

帐号：287019674@qq.com

密码：123456

 

关于棋盘，棋子，鼠标滑过提示下棋位置这些前面已经提过了，我也就不说了，大家如果没看又感兴趣的话，可以查看《纯JS 智能五子棋 out版》，里面有详细的描述，下面我对修改的部分关键点进行分析：

 

1、基本操作

进入游戏界面后点击开始按钮就开始游戏，没有计时功能，所以你点开始后去吃饭饭或者上个厕所回来也不会判你输（这截然是废话）；点击暂停就出现一个半透明黑屏（这个是那扫雷界面的，其实暂停不暂停没什么感觉）；重开按钮会清空界面所有棋子；保存按钮会把当前棋盘状况写进cookie，保存时间一个钟头；恢复按钮是当你有保存cookie并且cookie没过期的话就恢复到你保存的棋局。

 

2、基本函数

增加类名，获取元素等基本底层函数；

生成棋格createMap()；

生成棋子createPiece(obj,num) ；

开始游戏startGame()：初始化作用，别且生成一个白色棋子，电脑先走（这样电脑的胜率就高些哈）。 

暂停游戏stopGame()；

重开游戏resetGame()：清空盘面，解除事件绑定；

支持cookie与否canCookie()；

保存游戏saveGame()： 如果cookie不存在就生成一个新的，如果有就清空后再写入当前棋子布局状况；

恢复游戏restoreGame()：获取cookie里面的值，调用createPiece对应的生成棋子；

绑定事件bindEvent()：为I标签绑定事件，如onclick, onmouseover，onmouseout，右键不弹出默认菜单等；

解除绑定unbindEvent（）；

游戏胜负winOrLose(obj)：这里就用到了前面版本的方向检测，需要对当前棋子分4个行，每行5趟检测看看是否有5子同色相连出现，如果有那么胜负已分，停止游戏。

 

3、计分 

计分依然是setScore()函数，不过这个版本是这样子一个结构：

score[i][j]={black:0,white:0}; 

用一个一次性对象记录black跟white，放在score[i][j]里面，而map也重新定义了结构：

map[i][j][k]={black:0,white:0};

i跟j表示当前的格位置，k表示方向，每个方向上临近的连续棋子有多少个，map[i][j][4]就表示当前格放的是什么棋子，-1为空，0为黑棋，1为白棋。可以参考下面这张图，这样比较容易理解：

 

如图当前八个方向，初始化为0，map[][][1].black=2，map[][][2].white=1,map[][][5].black=2，只获取“紧密连着”的棋子数。 

 

首先正循环一遍棋盘，全部格子都要做一次赋值，如果当前格子的周边是黑子，那么就把它周边该方向的黑子数目加1后赋给当前格子，即

 

map[i][j][k].black=map[i+k2][j+k3][k].black+1; 

 

以上面那张图为例，当前格子的1方向有黑子，那么就那个黑子格子的1方向黑子加1后赋值给它，而那个格子本身1方向是1那么加1后就成了2再赋值。不过这样在检测的时候是从左向右、由上到下的，所以如果右下有棋子的话，它会检测不到，顶多就是1。所以我后面才加了一个反方向的从右到左，由下到上的检测，这样获取的数据才是完整正确的，当然同时也进行了白子的检测。 

 

接着就是为每个格子进行基础的打分，八个方向逐个检测，取得其中字数最大的方向赋值给maxCount.black，然后再与同行两个方向相加后的比较，如果比它们的和小，那么就取它们的值，如果它们的和大于4的话，那么maxCount.black还是等于4。如图所示：

 

格子1的maxCount.black取1方向的3，格子2的maxCount.black取3方向+5方向这一行的3，而不是2。

 

然后一个子100分打分，最多400分，这样就完成了基本的打分操作。

 

4、下棋 

下棋是playChess()函数；依旧用到ScoreList跟ScoreList2两个数组存放分数，不过这里用到的只是第一个元素而已，其实只需要一个存放最大值的变量即可，但是这里用了数组是为了能使用out版本的递归获取元素的方法做扩展，不过我懒，没深入去做哈。然后用maxArray存放当前拥有黑子最大分数的对应I标签，白子用maxArray2。然后只要分数小于400就进入下一步checkArray（）检测，如果等于400那就表示已经不用检测了，不下这个位子别无他路。 

 

其中checkArray最为复杂，我扩充了好几次，所以函数比较长，里面黑子白子处理方式都是类似的，所以我只讲黑子，省点口舌；传入的参数如下

 

checkArray(maxArray,ScoreList,num)

 

maxArray表示目前拥有ScoreList[0]的元素，num表示黑子还是白子；

对 maxArray的元素做一个循环，逐个检测元素的八个方向，用flag储存等与ScoreList[0]／100对应的棋子方向之后，用checkMore储存除了等于ScoreList[0]／100的其它行方向，如图：

 

 

 flag会存1和3，checkMore会存2；

1）判断如果flag是否为空，因为可能是2个方向加起来而不是一个方向连着的，如果里面有值，就对其进行最边缘元素的检测，如果是空格，那么就赋值ScoreList[0]给maxArray[i].score（五子棋里面叫做“活”），而如果是num2，即相反的棋子的话，那么就将ScoreList[0]-25赋值给maxArray[i].score（五子棋里面叫“眠”），以进行下面第二轮的筛选。同时如果检测到一个空的那么zeroCount++，检测到相反棋子的就num2Count++，如果zeroCount大于1，那么就说明碰到了这种情况，如图：

 

可以形成禁手的，表示下一个子可以形成多个“活”，这样攻击性强，所以maxArray[i].score+=5*(zeroCount-1);在原来基础上加分，连得越多，加得越多，下这个位子的可能性就更高。

 

如果zeroCount跟num2Count同时都大于1的话，那么加分更高，因为它在形成多个“活”的同时，还形成多个“眠”。

 

2）如果flag为空，则说明在把个方向里面没有连子数目等于ScoreList[0]／100的，比如ScoreList[0]／100=3，则说明当前没有3子相连的情况，而是某个行以1+2形或者2+1成的，那么以相同原理，判断当前行是“活”还是“眠”，有多少“活”多少“眠”，分别赋值第二阶段的分数。然而到了这里，还没有用到checkMore这个数组，它是用于第三阶段的打分。

 

3）checkMore 

 上面1）、2）处理的是当前格中相同连子数的“活”“眠”情况，而checkMore则是比最大连子数少的“活”“眠”情况，因为4个连子是直接下子，不传进来的进一步检测的，那么传进来的必然小于或等于3，而3已经在1）、2）中处理了，那么就只能是1跟2了，所以如果“活二”的话就加3分，“活一”的话就加2分，如果是“活一”的话就加2分，如果“眠一”就让它自生自灭，不管它了。

 

既然做了一个自身棋子的检测，那就顺便做一个在自身棋子“多活多眠多通路”基础上，尽量堵住相反棋子的检测，所以otherCheckMore就应运而生了， 

 

4)otherCheckMore

这个在检测checkMore的时候可以同时的记录，只是做多一次加分操作，检测目前方向是否“活”，“活几”，是否“眠”，“眠几”，这里所谓的“眠”就是在该方向上末端位置被己方颜色堵住，所以检测的时候是“==num”，而不是“==num2”，然后对应的赋值，活三3分、活二2分、活一1分，眠三2分、眠二1分、眠一不鸟它。 

 

经过3次检测过滤后，获取当前最大的分数，得到分数对应的对象数组后返回该数组，这个时候是黑棋一个最高分数组，白棋一个最高分数组，然后判断谁的最高分更高，谁高取谁，相等的话就去白子的，因为攻击高于防守，最后得到数组maxArray，如果maxArray只有一个元素那就直接下，如果多于一个的话就随机一个下，然后解除该位置的事件绑定，以免鼠标不小心又点上了。 

 

5、其它

经过改动后，只要一个大范围检测，就可以获取到3趟过滤的数据，所以算法效率提高了许多；但是里面还有很多细节没有去做，比如下面这两种情况：

 

 

它还是会傻B傻B的下在这个提示区域位置上，



这个位置它优先级其实很高的，因为再下一子就可以连成2个“活三”，优先级等价于一个现成的“活三”，但是我那种写法它是比死三还低级的，所以还得改进。而且一些边缘检测，比如下到边缘的时候还会去下它，即使下了之后毫无攻击意义。

 

6）改进

上面所说的二比三优先的个例，我其实想到了一个解决的方案，因为首次检测的时候已经获取一个ScoreList分数集，取它前三个高分的分数，获取对应的对象，保证足够的对象数据后（或者全部都进行三个阶段检测打分）再进行3个阶段的整体打分，最后再提取最高的分数对象来下子，把分阶划分明确，这样就可以提高下子的准确性，提高胜率。不过我懒，就不写了，测试了一个多礼拜的五子棋，我快顶不顺了，目前有点五子棋恐惧症，还是休息休息，目前这个就凑合着，以后来激情了再写哈（这摆明就是藉口哈）...