我尝试使用一个教程制作了一个MiniMax AI，

AI无法正常工作，只是在底行移动并每次向上构建，报告的列索引为0, 1, 2, 3, 4, 5, 6，然后是下一行，依此类推。我发现与我的代码输出相比，教程的工作版本中唯一明显不同的是Minimax算法的深度。在递归过程中，这个是工作版本的深度，而这个是我的版本的深度（实际上比这更长，但我的控制台没有保留所有内容）。我尝试了很多方法来使其工作，包括重新设计棋盘系统为列表中的多个列表，以及删除代码的某些部分和重新设计分数系统，但似乎都没有改变。

我的minimax函数是：

def minimax(board, depth, alpha, beta, maximizingPlayer):    print (depth)    validLocations = getValidLocations(board)    isTerminal = isTerminalNode(board)    if depth == 0 or isTerminal:        if isTerminal:            if checkWin(board, computerDisc):                return (None, math.inf)            elif checkWin(board, playerDisc):                return (None, -math.inf)            else: # 游戏结束，没有更多空间                return (None, 0)        else: # 深度为零            # print ("THIS IS DEPTH 0")            return (None, scorePos(board, computerDisc))    if maximizingPlayer:        value = -math.inf        column = random.choice(validLocations)        for c in validLocations:            boardCopy = copy.deepcopy(board)            dropPiece(boardCopy, c, computerDisc)            newScore = minimax(boardCopy, depth-1, alpha, beta, False)[1]            if newScore > value:                value = newScore                column = c            alpha = max(alpha, value)            if alpha >= beta:                break        return (column, value)    else: # 最小化玩家        value = math.inf        column = random.choice(validLocations)        for c in validLocations:            boardCopy = copy.deepcopy(board)            dropPiece(boardCopy, c, playerDisc)            newScore = minimax(boardCopy, depth-1, alpha, beta, True)[1]            if newScore < value:                value = newScore                column = c            beta = min(beta, value)            if alpha >= beta:                break        return (column, value)

教程的函数是：

def minimax(board, depth, alpha, beta, maximizingPlayer):valid_locations = get_valid_locations(board)is_terminal = is_terminal_node(board)if depth == 0 or is_terminal:    if is_terminal:        if winning_move(board, AI_PIECE):            return (None, 100000000000000)        elif winning_move(board, PLAYER_PIECE):            return (None, -10000000000000)        else: # 游戏结束，没有更多有效移动            return (None, 0)    else: # 深度为零        return (None, score_position(board, AI_PIECE))if maximizingPlayer:    value = -math.inf    column = random.choice(valid_locations)    for col in valid_locations:        row = get_next_open_row(board, col)        b_copy = board.copy()        drop_piece(b_copy, row, col, AI_PIECE)        new_score = minimax(b_copy, depth-1, alpha, beta, False)[1]        if new_score > value:            value = new_score            column = col        alpha = max(alpha, value)        if alpha >= beta:            break    return column, valueelse: # 最小化玩家    value = math.inf    column = random.choice(valid_locations)    for col in valid_locations:        row = get_next_open_row(board, col)        b_copy = board.copy()        drop_piece(b_copy, row, col, PLAYER_PIECE)        new_score = minimax(b_copy, depth-1, alpha, beta, True)[1]        if new_score < value:            value = new_score            column = col        beta = min(beta, value)        if alpha >= beta:            break    return column, value

当我的版本无法工作时，我尝试将其尽可能接近教程的函数，但它仍然似乎不起作用。我需要做些什么才能让它工作？

完整程序：我的：https://repl.it/@MyloBishop/Connect-4教程：https://github.com/KeithGalli/Connect4-Python/blob/master/connect4_with_ai.py

回答：

棋盘作为参数node传递给你的minimax函数，但在函数内部你使用的是board。

参考程序:def minimax(board, depth, alpha, beta, maximizingPlayer):

你的程序:def minimax(node, depth, alpha, beta, maximizingPlayer):

因此，你的递归 minimax函数无法按预期工作。

编辑：要修复这个问题，请将minimax函数内部的board替换为node（不要将函数定义中的node更改为board）

编辑2：还请检查scorePos函数 – 你使用了硬编码的computerDisc，而不是使用函数参数。

编辑3：此外，其他辅助函数如isBoardFull()和isSpaceFree()应该操作棋盘的副本，而不是全局变量。