windows SDK的C語言黑白棋開發

最近在做數據結構的課程設計，選擇了難度最大的黑白棋開發，因為已經決定使用純C進行開發，所以之前朋友們說使用MFC開發就果斷不去做了。網上有很多黑白棋的源碼，不過大部分C語言的源碼不是調用graphic庫開發就是使用C++進行MFC開發，極少有像我這樣用著純C調用著Windows API進行開發的例子，所以既然自己痛苦了那麼久，如果以後有人也想和我一樣痛苦，我這裡分享一下我的經驗，就算不能從技術上幫到他，也能從心理上安慰一下他。廢話不多說，直接來談我的設計吧。

實現方式：

因為上次的C語言課設我就使用了Graphics庫進行了dos圖形界面的實現，所以這次數據結構的實驗我想使用不同的實現方式，就采取了純C調用SDK函數進行設計windows程序，但我還沒有形成完整的面向對象的思想，所以在一開始就放棄了使用MFC編寫程序。其實MFC也就是把windows的API用class進行封裝了再使用，在網上能找到很多使用MFC寫的黑白棋程序，但極少能有使用純C直接調用windows API寫的程序，我想這一點應該是一個突破。當然我並不是說使用MFC寫程序不如SDK編程，只是為了將來更好的學習MFC，眼下我有必要掌握SDK編程，這樣可以幫助我更加了解MFC Classes的結構，而MFC沒有提供的API功能自己可以調用API來實現，當MFC Classes不合我的需求時我可以方便的更改其Class。總之最後我決定采取SDK編程。

知識儲備：

因為之前我編寫windows程序的經歷就只有寫過一個對話框程序的俄羅斯方塊，那個邏輯相比黑白棋要簡單很多，所以這次其實我還是得從頭開始學習編寫windows程序。我需要了解事件驅動的過程，需要了解windows一些基本的API 功能，還需要了解windows的消息處理機制，同時我還需要保持頭腦清醒去設計我的程序邏輯，當然，這些知識大部分都能在MSDN中查詢到，所以這個暑假MSDN我看了很久。

難點疑問：

因為在windows程序的編譯器環境下調試起來比一般的程序調試要困難，雖然斷點可以隨便打，但想要攔截消息卻不是那麼容易，而且由於windows編程經驗不足，導致在編程時走了很多彎路，本來可以不發送消息的地方我還特意顯示的調用API發送消息，比如繪制主窗口的地方，當窗口被移動或是被擋住時，程序會自動向窗口句柄發送WM_PAINT消息，因為之前不知道這點，在程序設計時自己顯示調用函數發送這個消息，結果導致界面不停閃爍。這類問題很多，相信老師明白我說的意思。相比較而言黑白棋邏輯的設計反倒顯得簡單點，因為網上有很多資料可供查閱，光黑白棋的下子算法就有一大堆，什麼基本搜索算法，α-β剪枝算法，主要變化搜索算法，Zobrist散列算法，MTD(f)算法，迭代加深搜索算法等等，有很多這方面的資料可以查閱，但同時我也看到了我的不足，對於這些算法，看雖然看的懂，但讓我自己設計恐怕無法設計出這些巧妙的算法，還有些算法我甚至現在無法明白究竟是什麼意思，比如模擬退火算法，神經網絡算法等等。數據結構就是算法的基礎，可見我還有很多需要學習的地方。

資源設計：

本程序是windows下的程序，必然需要尋找資源，如圖片，聲音等等。這次我在網上下載了大量的黑白棋圖片和聲音資源，最終采取了一組黑白棋的資源，用VC++的資源編輯器編輯進了工程：

然後我自己創建了多個對話框和菜單也作為資源進行編輯：

1、關於黑白棋的對話框：

2、開局選項對話框：

3、進入英雄榜對話框：

4、幫助對話框：

5、英雄榜對話框：

6、設置對話框：

7、輸棋對話框：

8、贏棋對話框：

9、平棋對話框：

10、菜單：

模塊設計：

我對這個黑白棋程序做過兩次模塊設計，第一次我分了4個模塊，主模塊，繪圖模塊，邏輯控制模塊，結束處理模塊，後來我發現這樣的設計太過於拘泥於軟件成型的過程，而且我的程序不是一個非常大的工程，整個程序只有約2000行代碼左右，所以我省去了前期的模塊設計，直接進行編碼，最終只有一個main.c的主模塊程序，其他的邏輯功能實現全部交由main.h來實現，在global.h中定義了全局變量，resource.h文件是資源編輯器自動生成的文件，記錄了各種資源的ID宏定義。

AI設計：

電腦黑白棋最核心的部分就是搜索算法，它實際反映了黑白棋程序的算棋過程。搜索算法的好壞，將直接影響著程序的算棋速度和棋力。下面我們就從最基本的搜索算法開始。

對於圖1所示的局面，白棋有三步棋可下：D6、F4、F6，黑白棋程序將如何找出最佳的棋步呢？

圖1 白先，三步棋可下

其實程序的算棋過程和人類棋手很相似，它先對當前局面所有能下的棋步進行搜索，計算出每種棋步變化之後的局面，並根據各種局面結果，從中找出對自己最有利的一步棋。我們先來看看程序算一步棋的情況。在圖1中，如果白棋分別下D6、F4、F6後，將形成圖2、圖3、圖4三種局面。

圖2 黑先，估值為0

圖3 黑先，估值為+6

圖4 黑先，估值為0

程序將對這三個局面分別進行評估，看看局面是優勢還是劣勢？這個局面評估過程一般由估值函數來完成。估值函數將根據盤面上棋子的分布情況，給出一個表示局面優劣程度的評估數值，這就稱為估值。一般來說，估值為正時，表示局面處於優勢，正值越大，優勢越大；反之，負值表示劣勢。例如，圖3的局面對於黑棋而言略占優勢，程序可能會給出+6的估值；而對於圖2和圖4，由於局面對雙方均勢，估值都是0。由於局面的優劣是相對的，對於一方來說是優勢的局面，換從另一方角度來看就會是完全相反的結果。

估值可以有不同的取值范圍，許多程序的估值是取值[-64, +64]，以便直觀地表示對終局比分的評估，如“估值為+6”則表示當前局面具有勝6子的優勢。

通過對這三步棋所形成的局面進行評估，程序就可得到各步棋的估值見圖5）。由於這時下棋方是白棋，F4這步棋的估值就成了負值。換句話說，F4這步棋對白棋不利。

圖5 白先，三步棋的估值

很顯然，面對各種可能的棋步及其估值，下棋方最終會選擇估值最大、也就是對自己最有利的那步棋。因此，白棋會選擇下D6或F6，而不會下F4。程序的搜索過程就是將估值極大化，從而找出最佳棋步。

本程序的AI我設計為三個等級，第一個等級的AI采用的是最簡單的估值函數，使用的是模板估值，而且模板是固定的，棋盤上各個地方的值是確定的，所以這個等級的AI沒有隨機性，有確定的走法，人很容易就能夠贏了它；第二個等級的AI采用的是翻轉能夠贏得棋子最多的那步落子，如果出現有多處翻轉的棋子一樣多的情況就設置隨機量，從中任選一個。這樣設計的棋力也是十分低的，因為了解黑白棋的人都知道，黑白棋的關鍵在於誰先能搶占到4個角落，因為角落一旦被搶到就不會再改變顏色了，所以角落的值應該最高，還有邊的分值應該也很高，而且邊的各處分值也應該不一樣，這在我的估值模板中有所體現。第三個等級的AI本來是想采用深層搜索多步來實現更加精確的估值，並采用α-β剪枝算法來進行優化的，但時間不足，所以沒有完善它。

函數調用關系圖：

主界面：

由於代碼太長，所以我這裡就不貼出來了，需要的朋友可以留下聯系方式。如果正好有做過黑白棋設計的朋友可以和我交流下，我過段時間也想試下MFC設計。

本文出自 “菜鳥浮出水” 博客，請務必保留此出處http://rangercyh.blog.51cto.com/1444712/394825