企业官网建设流程全解析

简介：这是一份基于 Visual Studio 与 EasyX 图形库开发的五子棋完整工程，适合 C++/Windows 窗体初学者、游戏编程爱好者以及想了解人机对战逻辑的开发者。项目同时实现人机对战与人人对战，覆盖棋盘状态管理、合法落子判断、胜负检测以及基础 AI 算法（含穷举与简单搜索思路），并附带悔棋、重新开始、保存与加载等扩展功能，可帮助读者系统理解桌面小游戏的完整开发流程。资源共 49 个文件，压缩包 107.07MB，内含 5 个 C++ 源码文件及配套头文件、VS 解决方案与工程文件（sln、vcxproj、filters），以及棋盘、棋子、背景等 jpg/png 图片素材和 wav 音效，工程还包含 Debug 目录下的 pdb 调试信息，便于直接编译运行与二次修改。目前已有 2657 人学习下载，特别适合课程设计、毕业设计或自学项目参考。

1. VS 人机五子棋项目拆解：棋盘、AI与检测到底谁先写

用 Visual Studio 做一套能玩的人机五子棋，不少人会先画棋盘、写落子，最后才补AI，结果发现棋盘画得很顺手，AI却像个只有三秒钟记忆的复读机：你堵左边它堵左边，你堵右边它堵右边，根本藏不住任何进攻意图。这个项目的关键不是把棋子画出来，而是把坐标换算、胜负检测、棋型评分这三件事串进同一个流程里。这篇按我实际调试顺序来拆：工程骨架、落子检测、AI评分、避坑，最后给一套验证AI强度的方法。适合两类人：一类是想用VS完整跑通棋类游戏的新手，另一类是手里已有双人版、想给AI换脑子的开发者。

2. 工程骨架与UI：WinForms选型、双缓冲和落子坐标换算

2.1 为什么这个项目我选了WinForms而不是WPF

做五子棋Demo，选WinForms是最不纠结的。WinForms控件模型直白，Form上挂一个MouseClick事件，然后在OnPaint里用GDI+画线画圆，不需要理解依赖属性、数据模板这些额外概念。WPF在样式上确实好看，棋盘可以用Path画得很精致，但为了一个单窗口的棋类小工具引入绑定和资源字典，往往让排查问题变成一场解谜，对新手不算友好。VS里新建项目时直接选Windows Forms应用，.NET Framework 4.7.2或.NET 6以上都能跑，不会影响后面的代码。

另一个决定性因素是双缓冲。WinForms窗体自带DoubleBuffered属性，一行代码就能抑制棋盘重绘的闪烁。WPF虽然是保留模式渲染，但只要你在Canvas里频繁改元素位置，反而要操心更多细节。这个项目的核心是逻辑和AI，UI只要稳定、不闪、好改就行。

2.2 棋盘数据结构和UI常量：二维数组是唯一真相

我一般会先把棋盘逻辑抽成一个GameBoard类，而不是把数组塞在Form里。下面是最初的骨架：

public class GameBoard { public const int BoardSize = 15; // 标准五子棋15路 public const int CellSize = 30; // 每个格子的像素宽度 public const int Margin = 24; // 棋盘最外侧留白，给星位和边界留空间 public int[,] Grid = new int[BoardSize, BoardSize]; // 0空，1黑，2白 public int CurrentPlayer = 1; // 1黑先手，2白后手 }

为什么是15路而不是10路？标准五子棋棋盘是15×15，黑白双方总落子上限225手，这个规模对后续AI扫描非常友好。CellSize=30是常见经验值，鼠标点击不容易误触；如果屏幕小，可以改成25，但小于20之后棋子视觉上会叠得很密。Margin=24是为了让最外一圈棋格不顶在窗体边缘，同时给坐标换算留出基准偏移量。

二维数组是这个项目的唯一真实状态。用List 存棋子也能遍历，但要知道某个点是否被占、要撤回一步、要检查某方向连续几子，二维数组能在固定时间内完成随机访问。后面AI评估函数能高效模拟落子，也是依赖这个数据结构。

2.3 双缓冲画棋盘：不闪的GDI

Form窗体默认重绘会闪烁，尤其在Invalidate触发频繁时，棋盘线会像水波纹一样抖。最省事的解法是在构造函数里把DoubleBuffered打开：

this.DoubleBuffered = true;

接下来重写OnPaint。棋盘绘制不复杂：先画15×15网格线，再画星位，最后根据Grid画棋子。用SmoothingMode.AntiAlias让圆形棋子边缘平滑：

protected override void OnPaint(PaintEventArgs e) { base.OnPaint(e); Graphics g = e.Graphics; g.SmoothingMode = System.Drawing.Drawing2D.SmoothingMode.AntiAlias; // 画网格线 for (int i = 0; i < GameBoard.BoardSize; i++) { int start = GameBoard.Margin + i * GameBoard.CellSize; int end = GameBoard.Margin + (GameBoard.BoardSize - 1) * GameBoard.CellSize; g.DrawLine(Pens.Black, start, GameBoard.Margin, start, end); // 竖线 g.DrawLine(Pens.Black, GameBoard.Margin, start, end, start); // 横线 } // 画棋子 for (int r = 0; r < GameBoard.BoardSize; r++) { for (int c = 0; c < GameBoard.BoardSize; c++) { if (board.Grid[r, c] == 0) continue; int x = GameBoard.Margin + c * GameBoard.CellSize; int y = GameBoard.Margin + r * GameBoard.CellSize; Brush brush = board.Grid[r, c] == 1 ? Brushes.Black : Brushes.White; g.FillEllipse(brush, x - 12, y - 12, 24, 24); g.DrawEllipse(Pens.Gray, x - 12, y - 12, 24, 24); // 灰色边让白棋在亮背景下看得清 } } }

这段代码里最容易看漏的是x - 12。棋子的圆心应该落在网格交叉点上，所以要用交叉点坐标减去半径12。如果直接把FillEllipse的坐标当成交叉点，整盘棋会向右下偏移，手感非常别扭。星位画法不展开，五个星位固定在下标(3,3)、(3,11)、(7,7)、(11,3)、(11,11)对应的交叉点。

重绘用Invalidate就行，不要主动调Refresh。Invalidate会合并重绘请求到下一帧，Refresh是强制同步，但也在UI线程上，落子频繁时更容易闪。

2.4 鼠标坐标换算：从像素到棋格

鼠标点击事件拿到的e.X和e.Y是客户区坐标，单位是像素，要换算成行列。直接做除法会让点击格子右半部分时落到下一列，所以我一般会加上半格偏移再整除：

private void FormBoard_MouseClick(object sender, MouseEventArgs e) { int col = (e.X - GameBoard.Margin + GameBoard.CellSize / 2) / GameBoard.CellSize; int row = (e.Y - GameBoard.Margin + GameBoard.CellSize / 2) / GameBoard.CellSize; if (row < 0 || row >= GameBoard.BoardSize || col < 0 || col >= GameBoard.BoardSize) return; if (board.Grid[row, col] != 0) return; MakeMove(row, col, board.CurrentPlayer); }

这个公式有一个前提：Margin必须等于棋盘左上角到窗体客户区左上角的距离。如果之后你把棋盘画在Panel里，e.Y就是Panel的坐标而不是Form的坐标，Margin和Panel的Location要一起调整。另一个容易翻车的地方是客户区坐标与屏幕坐标混用，MouseEventArgs里拿到的已经是客户区，别用Control.MousePosition去减，那会偏一个标题栏高度。

换算完行列后必须做两个防御：边界判断防止算出负数和超界索引；空位判断防止重复落子。之后统一走MakeMove，AI也走同一个入口，后面悔棋和状态切换才不会散落各处。

3. 五连检测与状态管理：从落子点向四个方向数子

3.1 为什么从落子点检测，而不是全盘扫描

新手写胜负判定时，最容易想成“每次落子后遍历整个棋盘，遇到棋子就朝八个方向数”。这么做代码量大，而且会在多个方向同时出现连子时误判。棋局里真正会被这次落子影响的，只有包含当前落点的四条线：水平、垂直、主对角线、副对角线。在这四条线上各向两头数连续同色子，总数达到5就能赢。

这种检测方式还有一个好处：把四个方向抽成可复用函数后，AI评估棋型时也能直接调用。比如评估某个空位落白子后能不能形成活三，其实就是在那个位置用同一套方向数组数一遍。所以这章代码不只是胜负检测，也是后面AI的地基。

3.2 方向数组与CheckWin实现

标准做法是定义方向偏移数组，只定义四个正方向，反向由调用时传负号，避免写八次if：

private static readonly int[,] Dirs = new int[,] { { 0, 1 }, // 水平向右 { 1, 0 }, // 垂直向下 { 1, 1 }, // 主对角线右下 { 1, -1 } // 副对角线右上 }; public bool CheckWin(int row, int col, int player) { for (int i = 0; i < 4; i++) { int dr = Dirs[i, 0]; int dc = Dirs[i, 1]; int count = 1; // 当前落子本身 count += CountInDirection(row, col, dr, dc, player); count += CountInDirection(row, col, -dr, -dc, player); if (count >= 5) return true; } return false; } private int CountInDirection(int row, int col, int dr, int dc, int player) { int count = 0; int r = row + dr; int c = col + dc; while (r >= 0 && r < GameBoard.BoardSize && c >= 0 && c < GameBoard.BoardSize && board.Grid[r, c] == player) { count++; r += dr; c += dc; } return count; }

逻辑说明：count初始化为1，是因为当前落点一定是player自己的子。CountInDirection向一侧一直数到非己方棋子或出界为止，返回这一侧连续同色子数。两个方向加起来就是当前落点所在直线的连子总数。四个方向只要有一个方向达到5，就判当前玩家胜。

参数说明：如果以后要支持黑棋“长连禁手”，可以把count >= 5改成count == 5。普通教学项目通常不做禁手区分，但你要在说明里写清楚，否则懂规则的人会追问。白棋没有禁手限制，长连也算胜。

3.3 把检测挂进统一入口MakeMove

有了检测函数后，最怕每个调用点各写各的判断。我习惯让鼠标落子和AI落子都走同一个MakeMove，胜负判断、换手、历史记录全部在一个方法里完成：

private GameBoard board = new GameBoard(); private Stack<MoveRecord> history = new Stack<MoveRecord>(); private void MakeMove(int row, int col, int player) { if (row < 0 || row >= GameBoard.BoardSize || col < 0 || col >= GameBoard.BoardSize || board.Grid[row, col] != 0) return; board.Grid[row, col] = player; if (CheckWin(row, col, player)) { GameOver(player); return; } history.Push(new MoveRecord(row, col, player)); board.CurrentPlayer = (player == 1) ? 2 : 1; Invalidate(); }

这里有个顺序问题：CheckWin必须先于CurrentPlayer切换调用。如果先换手，CheckWin里如果读取CurrentPlayer就会判到对方头上，这是很容易踩的隐蔽坑。history.Push放在胜负检测之后，意味着终局那一手也在历史里，悔棋时可以把最后一子撤掉。如果你想做成“终局后禁止悔棋”，就把Push移进GameOver分支前，但玩家体验会差一些。

重开一局时，把Grid清零、清空历史、CurrentPlayer恢复为1，再Invalidate。人机模式还要让AI内部状态重新初始化，不能沿用上一局残留的临时数据。

3.4 悔棋与状态衔接：双人模式至少能反悔

双人模式悔棋只需弹出一步，恢复棋子颜色：

public void Undo(int steps) { for (int i = 0; i < steps && history.Count > 0; i++) { MoveRecord m = history.Pop(); board.Grid[m.Row, m.Col] = 0; } Invalidate(); }

人机模式会复杂一点，玩家悔棋时AI已经下了一步，所以要连续撤销两步。判断条件可以看history中存的数量，如果AI还没落子，只需要撤销一步。这个坑在第五章会单独展开。这里的核心是：悔棋必须保证“棋盘数组”和“当前玩家”同步变化，只恢复棋盘不同步CurrentPlayer，下一步肯定错乱。

4. 人机对战AI：启发式评分、攻防权重和候选剪枝

4.1 为什么先写评分函数，而不是直接上Minimax

提到人机对战，很多人第一反应是Minimax。五子棋确实能用，但15×15空棋盘每一步可选点有两百多个，哪怕搜索深度只有4，也会让普通PC明显卡顿。工程型项目要的是“下起来有威胁、还能在弹指间回应”，所以先用启发式评分：给每个棋型打分，AI遍历所有空点，根据落子后对己方和对对方的潜在收益选分最高的点。

这个方案有个大优势：逻辑透明。你可以把每个空点的得分打出来，看AI为什么选这里，方便调参。后期想要更强，可以在候选榜单前几名上再叠一层搜索，而不是推翻整个AI重写。

4.2 棋型评分表：活四为什么比冲四分数高一截

AI评估的核心是对棋型打分。所谓棋型，就是沿一条线的连续同色子形状，以及两端是否开放。我用的评分表如下：

为什么活四要远高于冲四？活四已经必胜，冲四对手还能挡，分值差距必须拉大，AI才会在“优先成型”和“破坏对手”之间做出正确判断。活三又必须略高于两个活二之和，否则AI会只盯散点而错过一次性成型的威胁。眠二给最低正分，保证局面没有明显棋型时AI不胡下。

4.3 AI决策框架：攻击分加防守分

AI下子时既要让自己形成好棋型，也要破坏对方的好棋型。常见做法是在每个空点分别模拟下AI棋子和人类棋子，然后取两部分分数之和：

private (int row, int col) AiMove() { int bestScore = int.MinValue; int bestRow = -1; int bestCol = -1; int aiPlayer = 2; // 这套工程AI固定执白 int humanPlayer = 1; for (int r = 0; r < GameBoard.BoardSize; r++) { for (int c = 0; c < GameBoard.BoardSize; c++) { if (board.Grid[r, c] != 0) continue; // 模拟AI落子后自己的收益 int attackScore = EvaluatePoint(r, c, aiPlayer); // 模拟人类玩家落在这里的收益，作为防守需求 int defendScore = EvaluatePoint(r, c, humanPlayer); // 攻击和防守权重都先设为1 int total = attackScore * 1 + defendScore * 1; if (total > bestScore) { bestScore = total; bestRow = r; bestCol = c; } } } if (bestRow < 0 || bestCol < 0) return (-1, -1); // 棋盘满，无空点 return (bestRow, bestCol); }

逻辑说明：attackScore是假设AI落子在此处后对AI棋型的提升，defendScore是假设人类玩家落子在此处后对人类棋型的提升。两者相加，AI既会进攻也会防守，不会只堵不攻。

参数说明：如果AI总是自己活三不管对手，可以把防守分乘1.1或1.2；如果AI太弱，总跟在人后面堵，就把攻击分乘1.2。这套工程默认两个权重都是1，但乘法已经留在代码里，方便你直接调参。

4.4 EvaluatePoint与棋型识别：模拟落子要记得回滚

EvaluatePoint是核心。做法是在当前空点临时放入player棋子，沿四个方向统计连续长度和两端开闭状态，查表累加分数，最后移走临时棋子：

private int EvaluatePoint(int r, int c, int player) { int score = 0; board.Grid[r, c] = player; // 临时落子 for (int i = 0; i < 4; i++) { int dr = Dirs[i, 0]; int dc = Dirs[i, 1]; int count = 1; bool openLeft = IsOpen(r, c, -dr, -dc, player); bool openRight = IsOpen(r, c, dr, dc, player); count += CountInDirection(r, c, dr, dc, player); count += CountInDirection(r, c, -dr, -dc, player); score += GetPatternScore(count, openLeft, openRight); } board.Grid[r, c] = 0; // 回滚，避免污染真实棋盘 return score; }

openLeft和openRight分别表示方向两端是否有空位。两端都开放就是“活”型，只有一端开放就是“眠”型。GetPatternScore接收连续长度和两端状态，返回评分表里对应的分值。

这里最关键的是回滚。如果忘记把Grid[r,c]重置为0，AI评估完一个点后棋盘上就多一枚临时棋子，后续所有空点判断都会错。更危险的是这个错不会当场崩溃，而会让AI连续几次都选同一个位置，看起来像死循环。深度搜索加到两层之后，这种漏回滚会在递归里越滚越严重。

4.5 候选剪枝：只在前几名里二次搜索

225个空点全部算一遍，单次打分做四个方向，实际耗时很小。但如果你想做两层搜索让AI更有远见，就不能对每个空点都展开下一层，否则计算量会爆炸。常见做法是取当前总得分靠前的8个点，只对它们做下一步搜索：

List<(int r, int c, int score)> candidates = new List<(int, int, int)>(); // 打分循环里把total超过0的点加入candidates candidates.Sort((a, b) => b.score.CompareTo(a.score)); int take = Math.Min(8, candidates.Count); int best = int.MinValue; for (int i = 0; i < take; i++) { // 在candidates[i]位置落子，然后递归调一层AiMove int val = candidateMiniSearch(candidates[i]); if (val > best) best = val; }

候选列表能过滤掉大量无效计算。第一次评估分数很低的点，在一层搜索里多半不会翻盘。这个工程默认只做一层评分，但接口设计允许你不破坏现有逻辑就升级到两层搜索。take从8调到12会稍微提升棋力，但也会增加耗时，普通机器建议不超过12。

5. 避坑与常见问题：坐标偏移、模拟落子回滚、悔棋丢子的四记闷棍

5.1 坐标四舍五入：为什么你最右一列老是点不上

现象：点击棋盘最右边一列，棋子落到倒数第二列；点击靠近上边缘的位置，有时直接数组越界闪退。

原因：直接把鼠标坐标减Margin后除以CellSize，整除默认向下取整。格子右半部分会归到下一列，留白区域还可能算出负数索引。

解决：先加半格对齐再做整除，并做边界判断。

int col = (e.X - GameBoard.Margin + GameBoard.CellSize / 2) / GameBoard.CellSize; int row = (e.Y - GameBoard.Margin + GameBoard.CellSize / 2) / GameBoard.CellSize; if (row < 0 || row >= GameBoard.BoardSize || col < 0 || col >= GameBoard.BoardSize) return;

注意：如果棋盘画在Panel上，e.Y只相对Panel，不再相对Form。把Panel的Location偏移或调整Margin都可以，但不要重复叠加两个偏移，否则又会出现整盘平移。

5.2 模拟落子没回滚：AI为什么总是重复点同一个位置

现象：人机对战中AI第一步正常，但后面开始反复评估同一个空点，棋盘却一直不落子，界面像卡死。

原因：EvaluatePoint里临时把Grid[r,c]设成player棋子，但函数返回前没有改回0。等扫描后续空点时，那个点已经不是空位，候选集合会莫名变小，甚至只剩一个点。

解决：用try-finally保证回滚，或者复制棋盘再评估。更稳妥的写法是：

private int EvaluatePoint(int r, int c, int player) { int score = 0; board.Grid[r, c] = player; try { // 四个方向统计和查表 } finally { board.Grid[r, c] = 0; } return score; }

我在写这种临时落子时会加一句DEBUG断言，确认调用结束后Grid里没有残留临时棋子。别小看这个坑，搜索深度到两层以后，回滚遗漏会变成最难查的隐形Bug。

5.3 悔棋没同步：人机模式悔一步后AI对着空气下棋

现象：玩家点悔棋，自己刚下的黑棋被撤销了，但白棋还留在棋盘上；下一轮AI落子时状态对不上，有时AI直接走到奇怪的位置。

原因：人机模式的回合是玩家和AI交替，玩家悔棋应该退回两步，把棋盘恢复到玩家上次落子之前的局面。只退一步后，玩家的黑棋没了，棋盘上却留着AI的白棋，CurrentPlayer也没切回来，整个状态就乱了。

解决：人机模式调用Undo(2)，并强制把CurrentPlayer重置为人类玩家：

public void UndoForHumanVsAI() { if (history.Count >= 2) { Undo(2); // 撤销AI一步和玩家一步 board.CurrentPlayer = 1; } else { Undo(1); board.CurrentPlayer = 1; } Invalidate(); }

重开一局时记得清空历史。不清空的话，第二局悔棋会把上一局的棋子弹出来，棋盘上出现“幽灵子”，复盘时根本没法看。

5.4 黑棋赢了却提示白棋胜

现象：黑棋连成五子，弹窗却显示白棋胜利；白棋连成五子，游戏还在继续。

原因：MakeMove里先切换了CurrentPlayer，再调用CheckWin。而CheckWin内部如果读取CurrentPlayer而不是使用传入的player参数，就会把赢家判断成切换后的新玩家。

解决：CheckWin只认传入的player参数，不读CurrentPlayer；并且在CurrentPlayer切换之前调用CheckWin。

board.Grid[row, col] = player; if (CheckWin(row, col, player)) { GameOver(player); return; } board.CurrentPlayer = (player == 1) ? 2 : 1;

建议把胜负检测和CurrentPlayer切换写在同一个方法里，鼠标路径和AI路径都用它，不要在外面各写一遍，否则顺序不一致很难查。

5.5 DoubleBuffered 设置了还是闪烁

现象：窗体构造函数里已经设置DoubleBuffered = true，但拖动窗口边缘或连续落子时，棋盘仍然有残影和闪烁。

原因：如果你用的是Panel承载绘制，窗体级双缓冲不会自动作用到普通Panel上，Panel有自己的绘制逻辑。

解决：继承Panel并开启双缓冲，然后把窗体上的Panel替换成这个类型。

public class BufferedPanel : Panel { public BufferedPanel() { DoubleBuffered = true; } }

如果仍闪烁，检查是否在OnPaint里创建了大量Brush对象没有释放。虽然GC能回收，但高频重绘时GDI对象压力很大，建议能用using就用using，或者用缓存Brush。

6. 进阶验证：自对弈日志与AI强度调参的核对技巧

AI写完总觉得“时灵时不灵”，单靠人肉试棋很难判断改动是变强还是变弱。我通常会把棋局逻辑抽成不依赖窗体的GameCore，然后在控制台工程里让AI自己和自己下，把对局过程逐手写进日志：

while (step < 225) { var move = (current == aiPlayer) ? AiMove() : AiMove2(); MakeMove(move.row, move.col, current); log.AppendLine($"{gameId},{step},{move.row},{move.col},{current}"); if (CheckWin(move.row, move.col, current)) break; step++; }

日志文件用逗号分隔，放进Excel就能筛选。重点看三组数据：AI先手和后手胜率是否稳定；单步思考时间有没有突然变大；有没有连续一两百步都没分胜负的对局。第三种情况通常说明“活三”的权重不够，双方一直在互堵，没人能率先成型。

调参时不要两个权重一起改。先把防守权重从1.0调到1.2，连跑50局看胜率变化，再单独调攻击权重。同时可以看AI开局第一步：如果永远是天元，说明评分对中心点没有加成；给靠近棋盘中心的空点加1到2分小奖励，开局会更自然，也不至于破坏原评分结构。

从那以后，我每次改完评估函数都会强制走一遍100局自对弈，看统计结果而不是凭一局手感下结论。希望帮到你。

本文还有配套的精品资源，点击获取