面向移动群智感知的位置相关在线多任务分配算法

越高的数据质量要求对应越高的感知成本,如何权衡质量与成本是当前移动群智感知任务分配问题的研究热点之一。研究了保证最低数据质量要求的位置相关在线多任务分配问题,以最小化总体感知成本为优化目标,将数据质量要求量化为不同执行节点的个数;提出了一种基于划分的贪心算法,其主要思想是以执行节点的初始位置为圆心、以节点最远移动意愿为半径生成圆盘,然后从圆盘覆盖到的任务集合中选出合适的任务子集作为相应执行节点的待执行任务集。根据实验仿真,与GGA-I算法相比,所提算法在相同运行时间下,总体感知成本降低12.7%;在相近计算性能下,所需的计算时间平均缩短51.6%。

基于多模型堆叠与特征提取的二打一叫牌算法研究

针对现有二打一叫牌决策研究中分类粒度低的问题,提出了一种基于多模型堆叠与关键特征提取的叫牌模型训练方案。具体来说,设计了手牌特征构建方法,即由手牌向量、牌型特征、手牌工整度、最小出牌步数以及组合丰富度共同构成玩家手牌特征;在此基础上,提出了使用堆叠法融合4类基模型的决策结果,并训练二层模型CatBoost给出最终决策。实验结果表明:相较于仅使用手牌向量特征,该特征构建方式可显著提升模型性能。经过堆叠法融合多模型决策后,二层模型准确率进一步提升,最终在测试集上达到84.3854%的精准度。所提方法可为其他牌类游戏的叫牌博弈决策提供参考。

计算机博弈教学中的计算思维能力培养

在强调计算思维重要性的基础上,提出以学生喜闻乐见的、高对抗性的棋牌游戏为教育和研究载体,将计算思维能力培养贯穿于计算机博弈系统的实践教学中,具体阐述如何通过计算思维概念的建立、经典方法剖析、具体问题具体分析等手段,由浅到深地培养学生的形式化描述、抽象思维和逻辑思维能力。

棋盘局面数据标定方法研究

基于深度学习模型的有监督训练依赖于大量高质量标定数据,但众多小众计算机博弈比赛棋种存在缺少人类对局记录作为训练样本的问题,因此在使用深度学习模型前如何生成一个合理标定的局面数据集是值得研究探讨的问题。针对点格棋博弈问题,提出了一种数据哈希去重以及局面标定方法。根据不同阶段回合局面数据的特点,通过alpha-beta完全搜索、回溯标定、并行化MCTS算法标定以及对称扩展技巧,收集并标定不同回合数的点格棋局面样本。实验共获得了包含15000000个带标定点格棋局面样本的数据集,为基于深度学习模型的点格棋有监督训练提供了保障。此外,所提方法也为其他棋种训练数据的获取提供了有价值的借鉴。

竞技二打一游戏中同等牌力的研究

全国竞技二打一扑克锦标赛是国家体育总局棋牌运动管理中心推出的新兴项目,比赛采用复式赛赛制,然而这种赛制存在无法杜绝线上比赛作弊的问题,为此提出用同等牌力赛制来代替复式赛制进行比赛的设想。本文主要针对如何判定和选取具有同等牌力的初始手牌进行研究,提出用等级难度评估指标来计算初始手牌的难度,初始手牌难度相近的牌认定为同等牌力,并给出了同等牌力的选取方法;为保证一副牌所得等级难度评估指标的可靠性,提出用多个不同水平的“二打一AI程序”来代替真人打牌产生牌谱的方法。实验证明了同等牌力生成方法的有效性,本文提出的同等牌力方法应用于比赛是可行的。

程序设计类综合实践教学的整体设计方案探讨

针对程序设计类实践教学效果不理想的现状,提出应站在培养学生程序设计能力的目标角度,整体、系统地设计综合实践教学方案,阐述如何利用任务驱动实践法将总目标分解到各个课程的实践任务中,通过层次、递进式地完成具体任务,达到培养学生编程能力的目的,同时给出将开发计算机博弈智能系统作为整体综合实践教学案例的具体实施办法。

牌型预测与蒙特卡洛模拟结合的麻将博弈策略

针对麻将博弈中状态空间巨大和隐藏信息过多等难点,提出利用局面信息缩减未知状态空间,并通过动态划分游戏状态提升牌型预测准确率的方法。根据麻将领域知识将对手玩家的弃牌信息转换为可利用信息,预测对手玩家持有某一牌型的概率,使用这一概率约束蒙特卡洛模拟的范围,得到对手手牌及需求牌的概率分布。通过对比试验表明:局面信息利用方法和动态游戏划分方法是有效的,不仅可以降低出牌的点炮风险,还可以获得更高的得分,实现了通过缩减未知状态空间提升麻将博弈水平的目的。

基于视频的公交客流实时分析算法研究与实现

城市人口的增加引发了诸如交通拥堵等一系列问题。为了缓解这些交通压力,管理者需要合理调度公共交通资源,而公交的客流量是资源调度重要的数据依据。针对公交客流量统计准确度不高的问题,提出了一种基于监控视频的客流量统计算法。首先采用机器学习的方法来实现监控视频中目标的检测,先提取出行人头部的HOG特征,用机器学习中的支持向量机(SVM)作为学习训练方法,得到可以检测行人的分类器,成功检测出行人;然后提出一种轻量级目标跟踪算法跟踪并记录行人的位置,成功捕获行人的运动轨迹;最后通过运动轨迹的分析,判断行人是上车还是下车,从而完成对公交乘客人流量的自动计数。实验结果表明,该客流量统计算法的准确率在85%以上,而且误检率较低,说明所提算法能够实现人流量的有效计数。

一种多重优先经验回放的麻将游戏数据利用方法

针对大众麻将AI训练时经验回放机制中样本均匀采样导致训练缓慢的问题,提出了一种多重优先经验回放算法,即从时序差分误差、局面复杂程度、动作即时奖励3个维度对经验样本进行优先级标记,每次采样时优先级高的样本高概率被抽取来更新神经网络。为了验证算法的有效性,构建了大众麻将自博弈平台进行相应的实验验证。实验结果表明:相比随机经验回放方法,新方法将麻将AI的训练速度提升了22.5%。

一种基于经验知识的军棋博弈算法设计与实现

军棋是在中国广泛流行的棋盘类游戏,属于典型的非完美信息博弈问题,本文针对非完美信息博弈和军棋本身特点,主要对于其中的招法生成、搜索算法、概率推断三个问题进行了研究,设计了基于经验知识的军棋博弈系统,较大程度提升了军棋博弈系统的智能水平。

面向决策可托管应用的行为提取与分析方法

游戏平台为优化游戏体验常提供决策AI托管功能,这导致平台在对用户进行画像时面临数据质量低的问题。日志中混合了托管AI和玩家自主作出的决策行为,有时还存在行为缺失的情况。提出一种面向决策可托管应用的行为提取与分析方法,通过基于启发式规则的行为特征提取方法从日志中提取玩家自主行为。最后使用多种画像方法在原始数据集和精简数据集上分别进行分析并比较其结果,得出该方法可在大幅度缩减数据量的同时较好地保留玩家的行为特征信息。

基于互信息的游戏用户特征选取方法研究

数据特征的提取是构建预测模型的重要步骤之一。利用特征与特征间的互信息,以及特征与类别的互信息对二打一游戏数据特征进行筛选,随后采用朴素贝叶斯模型和决策树模型进行实验,实验表明其特征筛选方法可以去除冗余特征,实现降维效果的同时并没有影响最终的预测效果。

三维人体骨骼动画自动合成方法研究

传统的人体骨骼动画制作方法是参考真实人体骨骼运动过程中各关节点的坐标位置变化轨迹,确定关键帧与插值帧模型,再进行必要的编辑处理,这需要大量的专业领域知识以及复杂的交互规则,人力物力成本高。为解决上述问题,提出了一种在给定任意两个人体骨骼动作数据作为首尾帧的条件下,自动合成完整三维人体骨骼动画序列的方法。方法由基于卷积自编码网络的骨骼动画特征提取模型和双线性插值与卷积相结合的插值帧自动合成模型两部分组成。随机从Mocap数据库中抽取两帧人体动作数据作为模型的输入,可以自动生成三维人体骨骼动画。文中方法与传统插值帧生成方法相比,具有较好的动作趋势转折信息的预测和还原能力,提升了动画系统的交互效率以及智能水平。

真实场景驱动的《数据仓库与数据挖掘》教学方法探索

本文以《数据仓库与数据挖掘》课程为载体探索了利用真实场景服务教学活动的方法。根据课程教学目标的核心知识点,规划了课程演示案例、课程实验场景和课程综合设计等环节,并以在校园内运营的物联网化智能售货机网络为背景,把各环节有机地贯穿其中。实践结果表明,在课堂上引入真实运营场景能较好地向学生展示所学知识的应用方法,能极大地激发学生求知的主观能动性,并有利于培养和激发学生的创新能力。

基于深度学习的人体动作草图到三维骨骼模型重建方法的研究

为了提高三维人体骨骼模型的建模效率并简化交互规则,提出了一种基于深度学习的手绘人体动作草图到三维骨骼模型的重建方法。首先将三维骨骼模型渲染为二维图像来建立维度映射关系,进而使用图像分类方法识别手绘草图动作并根据维度映射实现三维骨骼模型重建。在实验中使用基于深度卷积神经网络对图像分类模型进行构建,使用浅层卷积网络作为训练单元,并使用逐级分类与分块训练策略加速网络收敛速度来提高训练效率。最后实验结果验证了该方法的可行性与有效性。

二打一智力游戏中残局局面数据标定方法研究

基于深度学习模型的有监督训练依赖于大量高质量标定数据,针对非完全信息博弈中二打一智力游戏问题,根据不同阶段回合局面数据的特点,提出了通过Alpha-Beta完全搜索获得共包含400万带标定二打一智力游戏局面样本的数据集,根据得到的标定样本训练CNN模型,使其能够对二打一智力游戏残局进行局面评估,为进一步将牌类游戏向棋类游戏的转化提供了保障,也为其他非完全信息博弈训练数据的标定提供了有价值的借鉴。

区分二打一游戏竞技者能力的测试用例研究

针对全国竞技二打一扑克锦标赛中如何保证比赛的公平、公正性,降低冗长的比赛赛程问题,提出通过给出具有较高区分度的初始手牌用于比赛发牌阶段以减少比赛轮次的解决方案,并提出计算初始手牌区分度的算法。首先对大量真实用户打牌行为数据进行分析及处理,计算每一个初始手牌对应的得分概率分布;再计算由若干副该初始手牌组成的初始手牌组的区分度,并进行非降序排序;选取区分度值高者对应的初始手牌作为测试用例。为测试选取用例的有效性,创造性提出采用多个具有不同区分度的"智能二打一竞技者"进行模拟比赛。实验结果表明测试用例的选取方法有效。

VR/AR应用场景及关键技术综述

虚拟现实和增强现实作为提供连接数字世界与真实场景的纽带,已成为沉浸式数字应用的核心技术之一,在相关设备的支撑下,沉浸式数字应用必将呈现爆炸式增长。本文梳理了已有应用场景和设备形态,并从数据采集与传输,交互与情形实时再现等方面对涉及的关键技术、实现方式和潜在的科学问题进行分析、总结。

竞技二打一中玩家叫牌风格划分方法

由于玩家在对局中会有不同的博弈风格,针对竞技二打一中玩家叫牌风格划分的问题,提出了通过计算玩家叫牌和基准叫牌之间差异的统计学方法,设计了融合叫牌情况和玩家手牌及强力牌特征的基准叫牌模型来给出基准叫牌。实验结果表明:该方法中的基准叫牌模型能够在测试集上准确率达到94%以上,在玩家的叫牌风格实验中达到了预期的划分效果,在一定程度上验证了玩家博弈风格划分的可行性。

二打一游戏拆牌算法研究

为模拟人类玩家在二打一打牌过程中的拆牌规律,提出了基于深度神经网络的拆牌训练,采用基于深度学习的序列标注方法,使用大量经过标注的实战数据,采用BILSTM-CRF网络构建手牌拆牌识别网络,实现了对二打一初始手牌的拆牌目标。实验结果表明:该模型在原始数据中产生了良好的训练效果,在测试集上的准确率达到89.16%,在与传统的手牌拆分方法进行比较后印证了该方法的可靠性,为进一步对二打一初始手牌的难度评估提供了保障,也为其他非完全信息牌类博弈的手牌拆分方法提供了借鉴。