基于增強學(xué)習(xí)的博弈主體的研究.pdf

1、目前，以人工智能為中心的游戲受到人們的普遍青睞。本文針對中國跳棋游戲，將人工智能領(lǐng)域中的增強學(xué)習(xí)技術(shù)應(yīng)用到其中，構(gòu)建了一個具有智能決策和自主學(xué)習(xí)能力的多人跳棋博弈系統(tǒng)。系統(tǒng)的體系結(jié)構(gòu)不同于傳統(tǒng)的跳棋游戲，它是一種基于傳統(tǒng)游戲模式的擴展型系統(tǒng)。 系統(tǒng)按功能界面劃分為三個部分：測試子系統(tǒng)、機器自學(xué)習(xí)子系統(tǒng)和人機對弈子系統(tǒng)。在博弈系統(tǒng)建立的初期，為了階段性地了解系統(tǒng)的構(gòu)建過程中各組件之間的協(xié)調(diào)工作情況，一個測試子系統(tǒng)被首先建立起來。機

2、器自學(xué)習(xí)子系統(tǒng)主要進行博弈主體的自主學(xué)習(xí)，通過對弈的交互過程不斷積累經(jīng)驗，提高下棋的能力。機器自學(xué)習(xí)子系統(tǒng)實現(xiàn)了機器自對弈訓(xùn)練模式和人機對弈訓(xùn)練模式。通過在人機對弈訓(xùn)練模式中觀察人的開局方式，系統(tǒng)建立了一個開局策略知識庫并在對弈過程中綜合運用。基于增強學(xué)習(xí)和反向傳播算法的原理，機器的自對弈訓(xùn)練模式通過自對弈的在線學(xué)習(xí)方式不斷提高利用神經(jīng)網(wǎng)絡(luò)實現(xiàn)的非線性棋局評估函數(shù)的準(zhǔn)確度，進而完善自身的對弈能力。人機對弈界面主要利用機器自學(xué)習(xí)子系統(tǒng)中學(xué)

3、習(xí)到的不同等級的對弈模型來實現(xiàn)多游戲者的人機對弈。 在系統(tǒng)的設(shè)計方面，主要討論了棋盤和博弈主體的設(shè)計思想。在棋盤設(shè)計中，給出了一個棋盤的構(gòu)造模型，提出了棋盤分區(qū)的概念和游戲運行階段的定義。在博弈主體的設(shè)計中，確定了主體的慎思結(jié)構(gòu)，提出了一個主體的智能決策學(xué)習(xí)模型并詳細(xì)討論了各主要部件的功能，給出了神經(jīng)網(wǎng)絡(luò)棋局評估學(xué)習(xí)器的網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練過程中可選取的棋盤特征。在系統(tǒng)的實現(xiàn)方面，利用VC++的MFC并基于面向主體的編程思想構(gòu)建了一個