C语言实现三子棋小游戏

本文介绍了一个简单的三子棋游戏的实现过程,包括游戏规则、界面显示、玩家与电脑交互等功能。通过C语言实现了游戏逻辑,并提供了完整的源代码。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

首先创建头文件对函数进行申明

#pragma once
#ifndef _SANZIQI_H_
#define _SANZIQI_H_
#define ROW 3
#define COL 3
//初始化
void InitBoard(char arr[ROW][COL], int row, int col);
//棋盘
void Display(char arr[ROW][COL], int row, int col);
//电脑走
void ComputerMove(char arr[ROW][COL], int row, int col);
//人走
void PlayerMove(char arr[ROW][COL], int row, int col);
//判断棋盘是否填满
int Check(char arr[ROW][COL], int row, int col);
//判断输赢
int iswin(char arr[ROW][COL], int row, int col);
#endif

创建主函数编写游戏的玩法

#define _CRT_SECURE_NO_WARNINGS 1
#include<stdio.h>
#include<stdlib.h>
#include "三子棋.h"
int menu(void)
{
	printf("+----------------------+\n");
	printf("|       1 play         |\n");
	printf("|       0 exit         |\n");
	printf("+----------------------+\n"); 
	printf("choose>>\n");
	return 0;
}
void game()
{
	char arr[ROW][COL];
	InitBoard(arr, ROW, COL);
	while (1)
	{
		
		printf("电脑走\n");
		ComputerMove(arr, ROW, COL);
		Display(arr,ROW, COL);
		if (iswin(arr, ROW, COL) != ' ')
		{
			break;
		}
		printf("玩家走\n");
		PlayerMove(arr,ROW,COL);
		Display(arr, ROW, COL);
		if (iswin(arr, ROW, COL) != ' ')
		{
			break;
		}
	}
	if (iswin(arr, ROW, COL) == 'O')
		printf("玩家赢了\n");
	else if (iswin(arr, ROW, COL) == 'X')
		printf("你太菜了电脑都打不过\n");
	else if(Check(arr,ROW ,COL==0))
		printf("平局\n");

}
int main()
{
	int choose;
	do {
		menu();
		scanf("%d",&choose);
		switch (choose)
		{
		case 1:
				printf("下棋\n");
				game();
		case 0:
			printf("退出\n");
			break; 

		}
	} while (choose);
	system("pause");
	return 0;
}

对申明的函数进行编写

#define _CRT_SECURE_NO_WARNINGS 1
#include<stdio.h>
#include<stdlib.h>
#include<time.h>
#include"三子棋.h"
void InitBoard(char arr[ROW][COL], int row, int col)
{
	int i = 0;
	int j = 0;
	for (i = 0; i < row; i++)
		for (j = 0; j < col; j++)
			arr[i][j] = ' ';
}
void Display(char arr[ROW][COL], int row, int col)
{
	int i = 0;
	int j = 0;
	printf("----------\n");
	for (i = 0; i < row; i++)
	{
		printf("|");
		for (j = 0; j < col; j++)
			printf("%2c|",arr[i][j]);
		printf("\n----------\n");
	}
}
void ComputerMove(char arr[ROW][COL], int row, int col)
{
	int i = 0;
	int j = 0;
	srand((unsigned int)time(NULL));
	while (1)
	{
		i = rand() % 3;//产生随机数
		j = rand() % 3;
		if (arr[i][j] == ' ')
		{

			arr[i][j] = 'X';
			break;
		}
	}
}

void PlayerMove(char arr[ROW][COL], int row, int col)
{
	int i = 0;
	int j = 0;
	while (1)
	{
		printf("输入你的位置\n");
		scanf("%d%d", &i, &j);
		i--;
		j--;
		if ((i >= 0 && i <= row - 1) && (j >= 0 && j <= col))
		{
			if (arr[i][j] == ' ')
			{
				arr[i][j] = 'O';
				break;
			}
			else
			{
				printf("这个位置已经有棋子了\n");//判断格数是否被占用
				break;
			}

		}
		else
		{
			printf("输入错误\n");
			break;
		}

	}
}

int Check(char arr[ROW][COL], int row, int col)
{	
	int i = 0;
	int j = 0;
	for(i=0;i<ROW;i++)
		for (j = 0; j < COL; j++)
		{
			if (arr[i][j] == ' ')//对所有格子进行检测看是否有空格子
				return 1;
		}
	return 0;
}

int iswin(char arr[ROW][COL], int row, int col)//检测横竖斜
{
	int i = 0;
	for (i = 0; i < ROW; i++)
	{
		if ((arr[i][0] == arr[i][1]) && (arr[i][1] == arr[i][2]) && (arr[i][2] != ' '))
			return arr[i][0];
	}
	for (i = 0; i < ROW; i++)
	{
		if ((arr[0][i] == arr[1][i]) && (arr[1][i] == arr[2][i]) && (arr[2][i] != ' '))
			return arr[0][i];
	}
	if ((arr[0][0] == arr[1][1]) && (arr[1][1] == arr[2][2]) && (arr[2][2] != ' '))
		return arr[0][0];
	if ((arr[0][2] == arr[1][1]) && (arr[1][1] == arr[2][0]) && (arr[2][0] != ' '))
		return arr[0][2];
	return ' ';
}

实现结果:



内容概要:本文档详细介绍了一个基于MATLAB实现的电力负荷预测项目,该项目运用遗传算法(GA)优化支持向量回归(SVR)和支持向量机(SVM)模型的超参数及特征选择。项目旨在解决电力系统调度、发电计划、需求侧响应等多个应用场景中的关键问题,特别是在应对高比例可再生能源接入带来的非线性、非平稳负荷预测挑战。文中涵盖了从数据接入、特征工程、模型训练到部署上线的全流程,包括详细的代码示例和GUI设计,确保方案的可复现性和实用性。 适用人群:具备一定编程基础,尤其是熟悉MATLAB语言和机器学习算法的研发人员;从事电力系统调度、电力市场交易、新能源消纳等相关领域的工程师和技术专家。 使用场景及目标:①通过构建面向小时级别的滚动预测,输出高分辨率负荷轨迹,为日内与日前滚动调度提供边际成本最小化的依据;②在负荷高峰和供给紧张时,通过价格信号或直接负荷控制实施需求侧响应,提升削峰效率并抑制反弹;③为灵活性资源(调峰机组、储能、可中断负荷)提供更清晰的出清路径,降低弃风弃光率,提升系统整体清洁度;④帮助市场主体更准确地评估边际出清价格变化,提高报价成功率与收益稳定性,同时降低由预测偏差带来的风险敞口;⑤在运维与审计场景中,对预测产生的原因进行说明,保障业务侧与监管侧的可追溯性。 阅读建议:此资源不仅提供了完整的代码实现和GUI设计,更注重于理解GA优化过程中涉及到的数据处理、特征构造、模型选择及评估等核心步骤。因此,在学习过程中,建议结合实际案例进行实践,并深入研究每个阶段的具体实现细节,特别是适应度函数的设计、超参数空间的定义以及多样性维护机制的应用。此外,关注项目中关于数据对齐、缺失值处理、特征标准化等方面的最佳实践,有助于提高模型的鲁棒性和泛化能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值