基于專家系統(tǒng)和蒙特卡羅方法的計算機圍棋博弈的研究.pdf

1、計算機圍棋博弈是人工智能研究的重要方向，其龐大的空間復(fù)雜度給研究者帶來了巨大挑戰(zhàn)。目前最優(yōu)秀的圍棋程序還處于業(yè)余低段水平，圍棋是檢驗人工智能發(fā)展水平的良好環(huán)境，所以計算機圍棋研究具有重要的理論意義和實用價值。
　　在傳統(tǒng)計算機圍棋時代，圍棋程序主要采用專家系統(tǒng)，其方法包括基于專家知識的模式識別和基于影響函數(shù)的靜態(tài)評估。近年來，蒙特卡羅方法和UCT算法被廣泛應(yīng)用在計算機圍棋博弈系統(tǒng)中，UCT算法的出現(xiàn)開創(chuàng)了現(xiàn)代計算機圍棋時代。本文以

2、九路圍棋博弈為背景，深入研究和分析了計算機圍棋博弈的原理與方法，對圍棋定式的編碼方法和UCT算法的改進優(yōu)化進行了有益的嘗試。
　　在圍棋布局階段，有效的方法是通過模式識別進行定式的匹配以指導(dǎo)落子。在總結(jié)目前計算機圍棋中普遍應(yīng)用的模式方法優(yōu)缺點的基礎(chǔ)上，本文設(shè)計并實現(xiàn)了EHPEM模式編碼方法，該方法基于改進的Huffman編碼進行設(shè)計，它使用4個32位整數(shù)對整個棋盤進行編碼，其優(yōu)點是編碼唯一無沖突，模式匹配高效準(zhǔn)確。
　　進入

3、圍棋中盤階段后，變化非常復(fù)雜，很難進行精確的局面評估。基于蒙特卡羅評估的UCT算法擅長中盤戰(zhàn)斗，也擅長收官。本文將UCT算法應(yīng)用到圍棋中盤階段，針對UCT算法進行改進優(yōu)化，一是對UCT算法可選落子點的排序和擴展進行改進；二是對UCT算法進行并行優(yōu)化處理，分別應(yīng)用了多核CPU和基于MPI的多處理機進行并行計算。實驗結(jié)果表明了并行計算加快了博弈樹搜索速度，提高了棋力，驗證了算法的可行性。
　　本文最后采用C/C++語言實現(xiàn)了九路計算機