雙方對弈棋類算法，其基本思想就是人工智能中關於 最小-最大問題 的 alpha-beta 剪枝，樓主可搜索壹下，這個隨便壹本人工智能書裏都有講。
下面就是具體程序中該如何實現其思想
壹般都要先有壹個招法生成器，用於給出當前局面下所有可走的行棋可能。對四子棋來說就相當簡單了，只要看壹下每壹列，只要未滿即可。
然後要有壹個局面評估函數，大體評價下雙方局勢的分數。此函數盡量簡單能反映優劣即可，因為後面的 alpha-beta 算法要大量調用此函數
最後實現 alpha-beta 的算法，采用叠代加深的廣度優先搜索能有效剪枝。(剪枝效率取決於前面的局面評估函數，如果評估函數能非常準確的估值，那麽將會大大減小搜索範圍，但復雜的評估函數又會增加開銷，這是壹個兩難的抉擇)
不過對於四子棋由於非常簡單，樓主也可以嘗試僅用簡單的廣度優先搜索。按每個局面 7 列只有 7 種走法來算，5步深的全搜索也只有 1 萬多種情況。對壹般人來說5步深也足夠強了。不滿意的話再考慮上面的正統算法。
然後是壹點小技巧，關於棋盤的存儲和運算，盡量采用位棋盤和位運算來完成，多利用位運算的並行性來提高效率
這裏畢竟字數有限，如果還想更深入了解的話推薦來這裏看看：puter.htm
壹個相當好的棋類算法網站
雖然是講象棋的，但基本思路都壹樣，絕對能學到很多東西。