非完備信息博弈估值算法的研究.pdf

1、計(jì)算機(jī)博弈是人工智能研究領(lǐng)域一個(gè)重要的分支，也是博弈理論研究的熱點(diǎn)方向之一。博弈論按照博弈的參與者是否掌握所有的局面信息可以分為完備信息博弈和非完備信息博弈。其中完備信息博弈的研究水平已經(jīng)接近或者超過人類的博弈水平，而非完備信息博弈由于未知信息太多導(dǎo)致其發(fā)展相對(duì)緩慢，有更為廣闊的研究空間。近些年來，人工智能技術(shù)逐漸成熟，計(jì)算機(jī)分布式計(jì)算及集群技術(shù)也不斷發(fā)展，非完備信息博弈迎來了發(fā)展的大好機(jī)會(huì)。估值算法是非完備信息博弈中的一個(gè)重要的組成部

2、分，估值算法對(duì)博弈中的不同策略進(jìn)行評(píng)估，通過評(píng)估結(jié)果的高低來判斷策略的好壞。估值算法是機(jī)器博弈系統(tǒng)中的核心，是區(qū)分不同計(jì)算機(jī)博弈程序優(yōu)劣的關(guān)鍵因素之一，能夠直接反應(yīng)計(jì)算機(jī)博弈體的智能水平。
　　德州撲克是典型的非完備信息博弈牌類游戲，具有一定的代表性，本文主要以計(jì)算機(jī)德州撲克為實(shí)驗(yàn)對(duì)象，研究非完備信息博弈下的估值算法。在博弈問題中，人工神經(jīng)網(wǎng)絡(luò)算法一般用來預(yù)測(cè)對(duì)手的動(dòng)作，本文在前人的研究基礎(chǔ)上，改進(jìn)了人工神經(jīng)網(wǎng)絡(luò)估值算法模型，利用

3、博弈專家的玩法記錄來訓(xùn)練該模型，進(jìn)而學(xué)習(xí)專家的博弈策略并為自己動(dòng)作的做參考。只學(xué)習(xí)單一專家博弈策略的系統(tǒng)容易被對(duì)手建立模型，對(duì)手有針對(duì)性的攻擊會(huì)導(dǎo)致博弈系統(tǒng)性能變差。因此，本文提出了通過抽樣的方式來向多個(gè)博弈專家進(jìn)行學(xué)習(xí)，并在抽樣的過程中引入權(quán)值更新和動(dòng)態(tài)調(diào)整，一定程度上提高了博弈體的智能水平。隨著計(jì)算機(jī)運(yùn)算能力的提高，基于人工神經(jīng)網(wǎng)絡(luò)算法的深度神經(jīng)網(wǎng)絡(luò)算法獲得了廣泛的關(guān)注，深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有多個(gè)隱藏層，每個(gè)隱藏層包括多個(gè)隱藏節(jié)點(diǎn)，與