雙人博弈問題中的蒙特卡洛樹搜索算法的改進.pdf

1、人工智能是現(xiàn)在非常重要的研究領(lǐng)域，不僅僅在計算機領(lǐng)域，各行各業(yè)都有著廣泛的運用。機器學習是人工智能的重要分支，隨著機器學習方法的不斷發(fā)展，人們對于人工智能的理解也有了更深層次的理解，從指導計算機學習邏輯推理，到教會計算機一些先驗知識做成專家系統(tǒng)，到現(xiàn)在讓計算機學會自我學習。不僅僅在于處理大數(shù)據(jù)上，人工智能有著廣泛的運用，在指導人類制定策略上也有著更加重要的指導作用。
　　雙人博弈游戲中的AI算法就是人工智能的重要的發(fā)展方向與運用前

2、景。AlphaGo的出現(xiàn)標志著雙人博弈問題上的最大的難題圍棋也被攻破，AlphaGo巧妙的將深度學習和蒙特卡洛樹搜索算法，卷積神經(jīng)網(wǎng)絡等方法結(jié)合在一起，大大提升了圍棋AI的計算效率，使得在人類規(guī)則下，計算機擊敗最優(yōu)秀的職業(yè)棋手成為現(xiàn)實。AlphaGo的成功并不意味著現(xiàn)在的算法就是最優(yōu)的，在研究過程中發(fā)現(xiàn)蒙特卡洛樹搜索算法中還存在著不少的問題與隱患。
　　蒙特卡洛樹搜索(MCTS)是一種針對決策類博弈游戲，運用蒙特卡洛模擬方法進行評

3、估博弈策略的啟發(fā)式搜索算法。但是，在面對計算機圍棋這樣復雜的決策過程時，簡單的蒙特卡洛樹搜索過程往往由于計算量大，導致收斂慢。本文中我們指出，雙人博弈游戲中的蒙特卡洛樹搜索不能收斂于雙人博弈的最佳決策策略;由此我們提出蒙特卡洛樹搜索結(jié)合極大極小值算法的改進算法，使得搜索結(jié)果不會因為蒙特卡洛方法的隨機性導致失真。為了進一步提高復雜雙人博弈游戲中搜索算法的計算效率，我們還結(jié)合了幾種常見的剪枝策略。實驗測試說明，該新算法顯著改進了蒙特卡洛樹搜