基于MTD(f)的中国象棋人机博弈算法的设计与优化

通过对中国象棋人机博弈算法的研究,介绍了一种基于MTD(f)的中国象棋人机博弈算法,并对博弈树搜索进行了一些高效的优化。结果表明,经过优化的基于MTD(f)的中国象棋人机博弈算法,比基于Alpha-Beta搜索的中国象棋人机博弈算法,具有更快的思考速度和更高的智能表现。

五子棋机器博弈系统评估函数的设计

针对五子棋机器博弈需借助棋型评估棋局产生的速度瓶颈,提出了棋型识别粒度与搜索深度相关联的多层架构评估函数设计方法。实验证实粗颗粒度估值在深层搜索时整体效率更高;多层次判读棋型能明显加快评估速度;走法生成函数引入快速评估,提前进行博弈树自然剪枝收效显著;非关键棋型依据棋局浮动分值平衡搜索深度,对五子棋亦见成效;以及估值函数针对性地延伸评估来减少地平线效应的开销更少;从而表明估值函数动态评估更加合理。

基于STM32和云平台的中国象棋机器人实验系统

为解决传统单片机等课程的相关实验因普遍采用实验箱导致的趣味性不足、难以激发学生学习兴趣的问题,文中设计一种基于STM32单片机和云平台的中国象棋机器人实验系统。该系统采用霍尔元件构建棋子位置阵列,由单片机根据棋子扫描算法获取棋子位置信息并发送至主控平台;主控平台对遥控器、棋盘传来的数据进行处理,并使用华为云搭建Tomcat云端服务器,通过TCP/IP协议以get的方式将处理的数据交由云端服务器的Servlet容器;再由Servlet容器基于MTD(f)搜索算法处理得到棋子着法,通过TCP/IP协议将着法返回至控制台,由控制台控制机械手臂进行棋子移动。实验测试结果表明:所设计系统结构简单、成本较低、响应迅速、运行稳定,可较好地完成对弈任务;同时,该系统可使实验过程更具趣味性,并有效提升训练效果,具有推广使用价值。

极小树叶结点数定理的补充证明及有关分析

通过对博弈树搜索情形的深入分析,给出极小树叶结点数定理新的完整证明,指出以往证明源于对极小搜索树的认识偏差而不完备.对窗口搜索效率来源的细致分析和实验验证,则揭示出博弈树窗口搜索提高效率的首要原因是窗口位置而不是窗口大小.这一与人们的感性认知不符的定性结论,将有助于人们准确理解和运用有关博弈树搜索算法.

基于表面肌电的肌肉紧张型发声障碍自动诊断研究

肌肉紧张型发声障碍(MTD)是一种常见的发声障碍。这种类型的发声障碍在歌唱演员、教师及精神焦虑的人群中比较多见。这类患者的声带一般没有明显的器质性病变,但发声时喉部肌肉紧张。临床实践中,医生主要通过问诊、内窥镜检查、嗓音粗糙度评分、触诊等手段对患者的嗓音情况进行评估。可以看出,以上常规手段的诊断结果大多基于医生的主观判断,缺乏客观、定量的判断依据,严重依赖于医生的个人经验。因此,寻找客观、定量的参数,辅助MTD的诊断,减少MTD的误诊和漏诊,变得十分必要。前人的研究比较过MTD患者和正常人发声过程中声学、肌电及呼吸特征的差异。本研究我们主要考察运用表面肌电信号对MTD进行自动诊断的可能性。因此,我们回顾了前人在MTD患者肌电信号方面的工作。一部分学者的研究认为MTD患者的肌电活动水平与正常人的肌电活动水平有显著差异[6,14];一部分学者的研究认为MTD患者的肌电活动水平与正常人的肌电活动水平没有显著差异[7,17];还有部分学者发现MTD患者不同肌肉肌电信号的相干性与正常人之间有显著差异。我们可以看出,前人的研究并没有取得一致的结果。造成这一现状的原因可能有如下几点:(1)大部分研究调查的人数较少(一般不多于20个实验被试),导致结果不稳定;(2)大部分研究只考察了肌电活动水平这一单独参数,可能MTD患者与正常人肌电特征存在差异,但差异并不是在肌电活动水平这一特征维度上;(3)考察的任务比较单一,MTD患者与正常人肌电特征的差异在前人考察的任务中不明显或不稳定。针对以上问题,在本研究中,我们收集了47名MTD患者和22名正常人在14个不同任务(8个言语任务和6个非言语任务),舌骨上肌群、舌骨下肌群、环甲肌、胸锁乳突肌和斜方肌等5个肌群左右两侧部分的肌电信号。我们对肌电信号进行降噪和特征抽取等处理,得到850维的肌电特征向量。然后,我们用费舍尔F比值(Fisher’s F-ratio)这个指标对特征维度进行筛选,对每类任务挑选出前10个F-ratio值最大的特征维度。最后,基于挑选出来的特征,我们分别采用了K近邻(K-nearest neighbor)、支持向量机(SVM)、分类与回归树(Classification and Refression Tree)以及逻辑回归(Logistic regression)四种方法对数据进行分类实验。结果表明,如果恰当地选择任务和分类方法,分类的正确率能够达到80%以上。