AI-Lab：用Python實現的經典AI與搜索算法框架

AI-Lab 是一個用 Python 從零構建的經典人工智能與搜索算法框架，其設計目標是讓算法的學習與研究更加直觀和模塊化。該項目以面向對象的方式組織代碼，將問題域（Domain）與求解器（Solver）清晰分離，開發者只需實現相應的抽象接口，即可快速接入新的問題或算法。倉庫內置了統一的命令行入口 main.py，用户可以通過交互式菜單瀏覽並運行所有演示，同時支持通過命令行參數選擇算法、遊戲模式和可視化開關。

框架覆蓋了四大類 AI 經典問題。在圖搜索與路徑規劃方面，提供了迷宮 A* 搜索、八數碼、羅馬尼亞地圖路線規劃、推箱子等演示；在局部搜索與連續優化方面，實現了旅行商問題的遺傳算法和模擬退火，以及 N 皇后問題的遺傳算法、局部束搜索、爬山法和模擬退火；在約束滿足問題（CSP）方面，包含樹分解、環割集、數獨、地圖着色、密碼算術等案例；在對抗博弈方面，則支持井字棋、四子棋、奧賽羅、國際跳棋以及基於信息集 MCTS 的瘋狂卡牌遊戲。每個演示都配有 Pygame 可視化器，支持動態窗口縮放、自動播放、步進與重置等標準控制。

項目的架構設計非常清晰。核心抽象包括 SearchProblem、OptimizationProblem、CSPProblem 和 GameState，它們分別定義了搜索、優化、約束滿足和博弈所需的基本接口。具體問題（如迷宮、N 皇后、數獨、奧賽羅）繼承這些抽象，而算法（如 A*、遺傳算法、回溯、Minimax、MCTS）則作為獨立的求解器運行。這種設計不僅便於理解和調試，也極大地方便了新算法的貢獻與集成。

此外，AI-Lab 還提供了完整的基準測試與報告流水線。用户可以運行 benchmarks 模塊中的腳本，對指定算法和領域進行多次迭代測試，並將原始數據保存為 CSV，再通過 generate_report 和 generate_markdown_tables 生成高清性能圖表和 Markdown 格式的比較報告。這一功能使得算法效果評估和學術研究變得更加高效。

作為開源項目，AI-Lab 遵循 MIT 許可證，並歡迎社區貢獻。添加新算法只需繼承 SearchAlgorithm 並實現 search_step()，添加新遊戲領域只需繼承 GameState 並定義相應方法，添加新可視化器只需遵循標準 HUD 控制規範。無論你是初學者、視覺學習者還是資深研究者，這個項目都提供了一套完整而友好的工具鏈，幫助你深入理解經典 AI 算法的原理與實現。