基于增強學(xué)習(xí)的計算機博弈策略的研究與實現(xiàn).pdf

1、計算機博弈作為人工智能領(lǐng)域的一個重要分支，得到了極其快速的發(fā)展。計算機博弈是一個有關(guān)對策和斗智問題的研究領(lǐng)域，屬于人工智能中的問題求解與搜索技術(shù)。博弈的核心思想實際上就是對博弈樹節(jié)點的估值過程和對博弈樹搜索過程的結(jié)合。估值是各種博弈問題中最難以處理的一個問題，局面估值的準(zhǔn)確性在很大程度上決定了博弈程序的棋力高低。
　　 本文基于增強學(xué)習(xí)，研究了計算機博弈中的一些關(guān)鍵技術(shù)。針對靜態(tài)估值函數(shù)依賴人類棋類知識水平和評估不夠準(zhǔn)確的問題，

2、將TD(λ)算法與BP神經(jīng)元網(wǎng)絡(luò)相結(jié)合，即BP-TD(λ)算法。該算法使用BP神經(jīng)元網(wǎng)絡(luò)作為局面的估值函數(shù)，利用TD(λ)算法直接從原始經(jīng)驗中學(xué)習(xí)，自動調(diào)整估值函數(shù)的參數(shù)，將BP神經(jīng)元網(wǎng)絡(luò)的有監(jiān)督學(xué)習(xí)轉(zhuǎn)換為無監(jiān)督學(xué)習(xí)，避免了神經(jīng)網(wǎng)絡(luò)在有監(jiān)督學(xué)習(xí)下調(diào)整參數(shù)值容易受人類經(jīng)驗影響的缺陷。為了更好地提高博弈訓(xùn)練的性能，針對開局和中局，提出分階段設(shè)置參數(shù)值的策略。設(shè)置開局階段的參數(shù)值時，著法選擇使用的是隨機的著法選擇策略；設(shè)置中局階段的參數(shù)值時，