六子棋博弈中搜索技術的研究與實現.pdf

1、計算機博弈是人工智能重要的組成部分，本質是讓計算機模仿人的思維下棋，甚至超越人的智力，體現它的智能化，例如谷歌開發(fā)的AlphaGo。對計算機博弈的研究，不僅促進了博弈論的發(fā)展，也對人工智能產生深遠影響。
　　本文在六子棋項目基礎之上，對六子棋所使用到的搜索技術進行相關分析和優(yōu)化，主要有三個方面:博弈策略，算法和評估函數。對于博弈策略方面，采用了反迫著的搜索方法，用于模擬己方防御。對于博弈算法方面，使用了基于“路”局部掃描和基于“棋

2、型”全局掃描的組合，并將這種方法應用到Alpha-Beta算法中。在評估函數中，設計了基于“路”和基于“棋型”兩種評估函數，并使用自適應遺傳算法對基于“棋型”的評估參數進行離線自學習。
　　本文的主要工作和特色如下:
　　(1)基于“迫著”設計了“反迫著”搜索方法，應用于搜索最佳落子點方法中VCF（連續(xù)迫著）之后Alpha-Beta搜索之前，通過模擬預測對方是否存在能夠通過連續(xù)迫著獲勝的走法來作為己方防守的參考，作為Alph

3、a-Beta防守的一部分，提高總體防守的準確性。通過實驗對比可得:相對于未使用反迫著方法，加入反迫著防守搜索技術后，在反迫著成功的情況下可以明顯提高防守階段的搜索效率和博弈水平。
　　(2)采用局部搜索“路”和“棋型”的組合搜索棋盤的方法，并結合到Alpha-Beta中。采用基于“路”局部掃描對擴展的節(jié)點進行評估，充分利用路掃描的簡單快速性特點，提高估值效率;采用基于“棋型”局部掃描方式對葉子節(jié)點進行估值，并將基于“棋型”局部掃描

4、改為全局掃描，保證葉子節(jié)點估值準確性。通過實驗對比可得:相對于基于“路”局部單一搜索或基于“棋型”局部單一搜索，基于“路”局部掃描和“棋型”全局掃描的組合搜索在保持搜索效率情況下可以提高博弈水平。
　　(3)使用自適應遺傳算法對基于“棋型”的評估函數參數進行了遺傳訓練，局面估值參數的調整遵循進化規(guī)則和博弈經驗，讓估值參數的調整更合理，使估值參數更適合于復雜局面的變化情況，提高局面估值準確性。通過實驗可得:相對于未優(yōu)化的棋型價值參數