AI-Lab：用Python實現的經典AI與搜尋演算法框架

AI-Lab 是一個用 Python 從零構建的經典人工智慧與搜尋演算法框架，其設計目標是讓演算法的學習與研究更加直觀和模組化。該專案以物件導向的方式組織程式碼，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介面，即可快速接入新的問題或演算法。倉庫內建了統一的命令列入口 main.py，使用者可以透過互動式選單瀏覽並執行所有演示，同時支援透過命令列引數選擇演算法、遊戲模式和視覺化開關。

框架覆蓋了四大類 AI 經典問題。在圖搜尋與路徑規劃方面，提供了迷宮 A* 搜尋、八數碼、羅馬尼亞地圖路線規劃、推箱子等演示；在區域性搜尋與連續最佳化方面，實現了旅行商問題的遺傳演算法和模擬退火，以及 N 皇后問題的遺傳演算法、區域性束搜尋、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、地圖著色、密碼算術等案例；在對抗博弈方面，則支援井字棋、四子棋、奧賽羅、國際跳棋以及基於資訊集 MCTS 的瘋狂卡牌遊戲。每個演示都配有 Pygame 視覺化器，支援動態視窗縮放、自動播放、步進與重置等標準控制。

專案的架構設計非常清晰。核心抽象包括 SearchProblem、OptimizationProblem、CSPProblem 和 GameState，它們分別定義了搜尋、最佳化、約束滿足和博弈所需的基本介面。具體問題（如迷宮、N 皇后、數獨、奧賽羅）繼承這些抽象，而演算法（如 A*、遺傳演算法、回溯、Minimax、MCTS）則作為獨立的求解器執行。這種設計不僅便於理解和除錯，也極大地方便了新演算法的貢獻與整合。

此外，AI-Lab 還提供了完整的基準測試與報告流水線。使用者可以執行 benchmarks 模組中的指令碼，對指定演算法和領域進行多次迭代測試，並將原始資料儲存為 CSV，再透過 generate_report 和 generate_markdown_tables 生成高畫質效能圖表和 Markdown 格式的比較報告。這一功能使得演算法效果評估和學術研究變得更加高效。

作為開源專案，AI-Lab 遵循 MIT 許可證，並歡迎社群貢獻。新增新演算法只需繼承 SearchAlgorithm 並實現 search_step()，新增新遊戲領域只需繼承 GameState 並定義相應方法，新增新視覺化器只需遵循標準 HUD 控制規範。無論你是初學者、視覺學習者還是資深研究者，這個專案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 演算法的原理與實現。