博弈机器人的行为规划

博弈行为是博弈机器人智能的外在表现,行为选择是提高机器人智能的重要手段之一,而博弈行为体系是行为选择的重要基础。通过模拟人类下棋过程,提出了博弈机器人的行为过程结构,依据系统分类思想,构建了博弈机器人的博弈行为体系,提出了博弈行为规划方法,借助六子棋博弈平台,验证了研究成果的有效性。

六子棋博弈的评估函数

针对六子棋博弈问题,提出了一种"路"的博弈策略,构建了一种六子棋博弈的改进模型。又针对六子棋博弈评估函数参数优化中存在的问题,改进了六子棋博弈评估函数,并应用遗传算法进行寻优处理。实验结果表明:改进后的评估函数能够保持遗传种群的多样性,避免了遗传过程收敛过快,是一种优化机器博弈评估函数的有效办法。

面向机器博弈的即时差分学习研究

以六子棋机器博弈为应用背景,实现了基于即时差分学习的估值函数权值调整自动化。提出了一种新的估值函数设计方案,解决了先验知识与多层神经元网络结合的问题。结合具体应用对象的特性,提出了对即时差分序列进行选择性学习的方法,在一定程度上避免了无用状态的干扰。经过10020盘的自学习训练,与同一个程序对弈,其胜率提高了8%左右,具有良好的效果。

六子棋智能博弈系统的研究与实现

六子棋作为一个新兴的游戏，已在棋类计算机智能博弈领域占有重要的位置，其为保证竞赛公平性而采取的一步两子的规则对计算机博弈的效率是很大的考验。为此，在实现六子棋博弈系统状态表示、搜索策略和评估函数几大核心框架的基础上．提出“路”的概念，简化评估函数类型，有效提高博弈性能。

棋类计算机博弈系统的主要研究方法及在6子棋上的应用

介绍了棋类计算机博弈发展简史,分析了实现棋类计算机博弈平台的四大模块:走法生成、搜索引擎、评估函数和开局/残局库,以及各模块中的主要技术和研究方法.最后将这些方法应用于6子棋程序的编制中.

用遗传算法实现六子棋评估函数参数优化

介绍了六子棋计算机博弈的4个核心部分:状态表示、走法生成、搜索引擎、评估函数.将遗传算法的思想引入棋类博弈,用遗传算法的专业无关性弥补人工调整评估函数值在认知和效率上的不足.通过基因编码、锦标赛选择、多点交叉和变异操作完成对六子棋评估函数参数的优化.实验证明本方法在很大程度上能提升程序的博弈能力.

六子棋博弈系统中机器学习算法设计与研究

本文针对我校参加全国大学生博弈大赛完成的六子棋博弈系统,首先简要介绍本系统的一些关键构成.并重点论述了对现有的六子棋系统一个更进一步的优化,在MTD(f)算法上增加自适应宽度调整和在评估函数上增加TD_BP算法自我学习方法 ,使系统"思考"性的能力更加强.

基于遗传算法的六子棋博弈评估函数参数优化

将博弈问题分解为搜索引擎、走法生成、评估函数和开局库4大模块,再将自适应遗传算法引入到评估函数中,并通过锦标赛算法对评估函数中的参数组合进行自动调整和优化,设计并开发出基于上述方法的离线自学习系统.

基于PVS算法的六子棋博弈系统的研究

针对六子棋比赛中基于棋型分析的评估函数比较复杂,因此搜索效率大大降低,六子棋是一种复杂度与象棋相当的博弈游戏。其复杂性主要是平均分枝因子大,导致博弈树搜索的深度太浅。本文采用了PVS搜索算法,通过缩小搜索范围,从而有效增加剪枝效率,同时结合了迭代深化和历史启发增强及置换表和哈希表技术,极大提高了搜索效率和深度。使用该技术开发的六子棋系统,其博弈水平得到了有效提高。

计算机博弈之六子棋的主要技术分析，

该文主要介绍了六子棋博弈的四个主要部分：状态表示，走法生成，评估函数以及搜索算法，并分析了当前的主要技术及其优缺点．．而且对搜索算法进行了一定的优化，为计算机博弈研究提供了一定的参考。。

基于人工智能的六子棋博弈平台研究与实现

六子棋是各类机器博弈比赛的常客,六子棋对于棋手双方都是公平的,非常适合用来研究开发AI程序。本系统基于计算机博弈,研发制作的一个六子棋博弈平台。六子棋博弈平台改良自五子棋,六子棋的棋局比五子棋变化更多,更加灵活。在六子棋博弈过程中,主要使用了人工智能机器博弈的UCT搜索算法,极大地提高了博弈速度。