（挖坑🕳️）居然被小学二年级学生用五子棋♟打败了☹️

学了两天 HTML 5 ，终于把棋盘用 <canvas> 画出来了😑。代码太脏，就不贴出来了：

棋盘

想着最好能算出下一步最佳落子点。不想去写什么 alpha-beta 剪枝✂️，上笨办法，给每一种情况手工赋值（落子价值），然后把各个方向扫一遍，数值加总：

{
    "🔳🔳🔳🔳🔳": [0, 0.05, 0.1, 0.05, 0],

    "⭕️🔳🔳🔳🔳": [0, 0.1, 0, 0, 0],
    "🔳⭕️🔳🔳🔳": [0.1, 0, 0.2, 0, 0],
    "🔳🔳⭕️🔳🔳": [0, 0.2, 0, 0.2, 0],
    "🔳🔳🔳⭕️🔳": [0, 0, 0.2, 0, 0.1],
    "🔳🔳🔳🔳⭕️": [0, 0, 0, 0.1, 0],

    "⭕️⭕️🔳🔳🔳": [0, 0, 0.2, 0, 0],
    "⭕️🔳⭕️🔳🔳": [0, 0.2, 0, 0, 0],
    "⭕️🔳🔳⭕️🔳": [0, 0.1, 0.1, 0, 0],
    "⭕️🔳🔳🔳⭕️": [0, 0.05, 0, 0.05, 0],
    "🔳⭕️⭕️🔳🔳": [0.2, 0, 0, 0.4, 0],
    "🔳⭕️🔳⭕️🔳": [0, 0, 0.4, 0, 0],
    "🔳⭕️🔳🔳⭕️": [0, 0, 0.2, 0.2, 0],
    "🔳🔳⭕️🔳⭕️": [0, 0, 0, 0.2, 0],
    "🔳🔳🔳⭕️⭕️": [0, 0, 0.2, 0, 0],

    "🔳⭕️⭕️⭕️🔳": [0.5, 0, 0, 0, 0.5],
    "🔳⭕️⭕️🔳⭕️": [0.05, 0, 0, 0.9, 0],
    "🔳⭕️🔳⭕️⭕️": [0.1, 0, 0.9, 0, 0],
    "🔳🔳⭕️⭕️⭕️": [0.1, 0.9, 0, 0, 0],
    "⭕️🔳⭕️⭕️🔳": [0, 0.9, 0, 0, 0],
    "⭕️🔳⭕️🔳⭕️": [0, 0.2, 0, 0.2, 0],
    "⭕️🔳🔳⭕️⭕️": [0, 0.1, 0.2, 0, 0],
    "⭕️⭕️🔳⭕️🔳": [0, 0, 0.2, 0, 0],
    "⭕️⭕️🔳🔳⭕️": [0, 0, 0.4, 0.1, 0],
    "⭕️⭕️⭕️🔳🔳": [0, 0, 0, 0.5, 0],

    "🔳⭕️⭕️⭕️⭕️": [1, 0, 0, 0, 0],
    "⭕️🔳⭕️⭕️⭕️": [0, 1, 0, 0, 0],
    "⭕️⭕️🔳⭕️⭕️": [0, 0, 1, 0, 0],
    "⭕️⭕️⭕️🔳⭕️": [0, 0, 0, 1, 0],
    "⭕️⭕️⭕️⭕️🔳": [0, 0, 0, 0, 1]
}

但可以看到这种方法有明显的缺陷。比如：现在白子应该落在 `F5` ，但算出来最佳落子点在 `F6` 。这可能是由于该算法没有考虑多个方向的叠加效果。

现在手动调整我已经厌倦了，能不能自动推算出一个值来🤔？这种算法相当于手工发现特征，能不能自动识别特征（包括多个方向的特征），并推算落子价值？怎么感觉得上神经网络了☹️。

1. 有哪些必胜阵形？
2. 如何从这些必胜阵形获取信息？即如何从对弈记录中学习阵形特征？
3. 哪些阵形是等价的？即如何运用图论知识减少计算？
4. 哪些是好棋？
5. 哪些是坏棋？

对于问题 3 ，因为需要考虑横竖撇捺四个方向，所以可以把五子棋问题拆解为六个二维空间的约束问题，即 <横, 竖> <竖, 撇> <撇, 捺> <捺, 横> <横, 撇> <竖, 捺> 。现在我们可以通过变换把各式阵形变换为规范阵形了。

必胜阵形的本质是在某一个维度上增加一个点，同时也会在另一个维度上增加一，致使一颗子不能在两个维度上封堵。

（待续……）