基于BP神經(jīng)網(wǎng)絡(luò)的五子棋自學(xué)習(xí)系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域重要的研究內(nèi)容。人工智能的研究很多以棋類作為研究對象來對人工智能的算法進(jìn)行研究和深化。計算機(jī)博弈生成著法的核心是搜索和評估函數(shù)。在五子棋的搜索深度加深的同時，大多使用的是靜態(tài)評估函數(shù)，而這些評估函數(shù)又是人為設(shè)定的，程序的棋力在一定程度上取決于設(shè)計者對五子棋的理解。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。
　　首先，將五子棋與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，使用 BP神經(jīng)網(wǎng)絡(luò)來調(diào)整局面的估值函數(shù)，實

2、現(xiàn)自學(xué)習(xí)自動調(diào)整網(wǎng)絡(luò)權(quán)值，從而使 BP神經(jīng)網(wǎng)絡(luò)對局面的估值更接近真實值，實現(xiàn)了基于BP神經(jīng)網(wǎng)絡(luò)的由監(jiān)督學(xué)習(xí)到無監(jiān)督學(xué)習(xí)的訓(xùn)練過程。
　　然后，對五子棋局面進(jìn)行的棋型提取與特征定義，構(gòu)建了五子棋的訓(xùn)練平臺。其次，實現(xiàn)了五子棋的開局庫，增強(qiáng)了五子棋在開局階段的棋力。
　　最后，針對本文提出的方法設(shè)計出了具有自學(xué)習(xí)能力的五子棋博弈系統(tǒng)，并在理論與實驗上對本文提出的方案進(jìn)行了驗證。經(jīng)過了60000次的訓(xùn)練，與妙手連珠進(jìn)行學(xué)習(xí)效果的對