圍棋博弈機器學習算法的研究及應用.pdf

1、人工智能在現(xiàn)今社會中早已被充分運用至各個領(lǐng)域,如航天、軍事、制造、商業(yè)、醫(yī)學等等。而機器學習最初的研究目標則是讓計算機系統(tǒng)具有人‘學習’的能力,以便實現(xiàn)人工智能。機器博弈作為研究人工智能的載體,有著如‘果蠅’在研究遺傳基因時的良好優(yōu)勢。為此,機器博弈也被稱為人工智能研究的‘果蠅’。圍棋作為眾多博弈游戲中的一種,有著復雜的狀態(tài)空間。這直接意味著圍棋機器博弈研究,亦有著相當?shù)碾y度。將機器學習應用至圍棋機器博弈中,讓圍棋博弈系統(tǒng)擁有自學習能力

2、,以達到‘智能’的博弈。
　　本文將圍棋機器博弈系統(tǒng)看作一個博弈智能體,該智能體利用已有的棋譜知識或稱經(jīng)驗知識,通過不斷地試探性下棋,從中獲取可利用知識,尋找當下或幾個步驟之內(nèi)的最優(yōu)步伐,以求勝利,并最終完成下棋。這個過程總的概括為一個‘搜索’過程,在這個搜索過程中,博弈智能體通過一定的方法對經(jīng)驗進行學習,最后獲得可用知識,達成目標。文章主要分析了如下幾個問題:
　　1.闡述博弈相關(guān)概念,機器博弈常用算法,以及圍棋機器博弈的

3、特點及關(guān)鍵技術(shù);分析機器學習對智能的重要作用,以及在圍棋機器博弈中應用機器學習算法的意義;
　　2.介紹機器學習在圍棋機器博弈中的解決方法,包括蒙特卡洛思想、人工神經(jīng)網(wǎng)絡以及增強學習。其中,重點介紹了增強學習中時間差分算法的原理機制與應用。建立了基于時間差分算法的圍棋機器博弈系統(tǒng)的模型,并運用至重理工‘騎士隊’圍棋機器博弈中;
　　3.量化圍棋博弈動作,改進應用在圍棋機器博弈中的時間差分算法,將經(jīng)過時間差分算法學習后的棋盤狀