中國象棋計(jì)算機(jī)博弈中的增強(qiáng)學(xué)習(xí)研究.pdf

1、計(jì)算機(jī)博弈曾一直被稱為是人工智能研究的“果蠅”，但對(duì)于有幾千年歷史的中國象棋的計(jì)算機(jī)博弈的研究卻遠(yuǎn)遠(yuǎn)落后于其它棋類，為了改變這種局面，東北大學(xué)成立了“棋天大圣”中國象棋計(jì)算機(jī)博弈代表隊(duì)。論文選題正是來源于在隊(duì)內(nèi)所做的研究工作。 為了解決傳統(tǒng)的線性評(píng)估函數(shù)對(duì)中國象棋局面的評(píng)估不夠精確的問題，本文提出了兩個(gè)解決方案：一個(gè)是使用TD(λ)增強(qiáng)學(xué)習(xí)算法優(yōu)化傳統(tǒng)的線性評(píng)估函數(shù)的可調(diào)參數(shù)；另一個(gè)是使用人工神經(jīng)元BP網(wǎng)絡(luò)替代傳統(tǒng)的線性評(píng)估函數(shù)

2、，然后使用TD(λ)算法訓(xùn)練該網(wǎng)絡(luò)。一個(gè)中國象棋增強(qiáng)學(xué)習(xí)系統(tǒng)被設(shè)計(jì)用來實(shí)現(xiàn)這兩個(gè)方案的學(xué)習(xí)過程。在該系統(tǒng)中可以使用TD(λ)算法進(jìn)行四種形式的學(xué)習(xí)：專家棋譜數(shù)據(jù)庫學(xué)習(xí)，自學(xué)習(xí)，固定對(duì)手學(xué)習(xí)和網(wǎng)絡(luò)對(duì)戰(zhàn)學(xué)習(xí)。為了驗(yàn)證學(xué)習(xí)的效果，設(shè)計(jì)了一個(gè)連線器用于將本系統(tǒng)連接到Internet上的一個(gè)網(wǎng)絡(luò)對(duì)戰(zhàn)平臺(tái)—弈天棋緣，通過在網(wǎng)上擂臺(tái)的等級(jí)來評(píng)價(jià)學(xué)習(xí)后的棋力提高程度。 實(shí)驗(yàn)表明，使用TD(λ)算法訓(xùn)練BP網(wǎng)絡(luò)的方案潛力巨大，值得進(jìn)行更深入的研究