墨小兰的玩具之嵌套博弈树的井字棋

井字棋玩具进阶！实现人机交互！

核心博弈算法解释：

博弈函数minimax使用了极小化极大算法，通过递归和回溯的方式来模拟整个决策树的搜索过程，并根据每个节点的收益评估来进行选择。

极小化极大算法尝试在决策树的每个层级上最大化自己的收益，并且假设对手会在其层级上选择最有利于对手自己的行动。该算法递归地搜索所有可能的游戏局面，并评估它们的分数来确定最优的下一步行动。在实现过程中，假设计算机为极大化玩家，用户为极小化玩家。

该函数有三个输入参数：

• board：表示当前游戏局面的状态。
• depth：表示当前搜索的深度。通常用于在达到一定深度时停止搜索或评估局面。
• maximizing_player：表示当前轮到的玩家是否是极大化收益的玩家。

函数会根据棋盘状态给出不同的返回值。若用户获胜，返回-1。若计算机获胜，返回1，若平局则返回0。

接下来，如果当前轮到的是极大化（极小化）收益的玩家，则进入一个循环，遍历所有可用的移动（空位）。对于每个移动，都将创建一个新的局面，并在该位置上标记，然后递归调用 minimax 函数来评估新局面，并将返回的评估分数与当前的最大（最小）分数进行比较，更新并返回最大（最小）分数。

通过不断递归调用 minimax 函数，最终找到了最优的下一步行动，该行动的分数已经经过评估和比较，实现人机博弈。

python实现：

#标记
EMPTY = ' '
HUMAN = 'X'
COMPUTER = 'O'


def print_board(board):
    print('---------')
    for i in range(3):
        print('|', end='')
        for j in range(3):
            print(board[i*3 + j], end='|')
        print('\n-----