雙人博弈問(wèn)題中的蒙特卡洛樹(shù)搜索算法的改進(jìn).pdf

1、人工智能是現(xiàn)在非常重要的研究領(lǐng)域，不僅僅在計(jì)算機(jī)領(lǐng)域，各行各業(yè)都有著廣泛的運(yùn)用。機(jī)器學(xué)習(xí)是人工智能的重要分支，隨著機(jī)器學(xué)習(xí)方法的不斷發(fā)展，人們對(duì)于人工智能的理解也有了更深層次的理解，從指導(dǎo)計(jì)算機(jī)學(xué)習(xí)邏輯推理，到教會(huì)計(jì)算機(jī)一些先驗(yàn)知識(shí)做成專(zhuān)家系統(tǒng)，到現(xiàn)在讓計(jì)算機(jī)學(xué)會(huì)自我學(xué)習(xí)。不僅僅在于處理大數(shù)據(jù)上，人工智能有著廣泛的運(yùn)用，在指導(dǎo)人類(lèi)制定策略上也有著更加重要的指導(dǎo)作用。
　　雙人博弈游戲中的AI算法就是人工智能的重要的發(fā)展方向與運(yùn)用前

2、景。AlphaGo的出現(xiàn)標(biāo)志著雙人博弈問(wèn)題上的最大的難題圍棋也被攻破，AlphaGo巧妙的將深度學(xué)習(xí)和蒙特卡洛樹(shù)搜索算法，卷積神經(jīng)網(wǎng)絡(luò)等方法結(jié)合在一起，大大提升了圍棋AI的計(jì)算效率，使得在人類(lèi)規(guī)則下，計(jì)算機(jī)擊敗最優(yōu)秀的職業(yè)棋手成為現(xiàn)實(shí)。AlphaGo的成功并不意味著現(xiàn)在的算法就是最優(yōu)的，在研究過(guò)程中發(fā)現(xiàn)蒙特卡洛樹(shù)搜索算法中還存在著不少的問(wèn)題與隱患。
　　蒙特卡洛樹(shù)搜索(MCTS)是一種針對(duì)決策類(lèi)博弈游戲，運(yùn)用蒙特卡洛模擬方法進(jìn)行評(píng)

3、估博弈策略的啟發(fā)式搜索算法。但是，在面對(duì)計(jì)算機(jī)圍棋這樣復(fù)雜的決策過(guò)程時(shí)，簡(jiǎn)單的蒙特卡洛樹(shù)搜索過(guò)程往往由于計(jì)算量大，導(dǎo)致收斂慢。本文中我們指出，雙人博弈游戲中的蒙特卡洛樹(shù)搜索不能收斂于雙人博弈的最佳決策策略;由此我們提出蒙特卡洛樹(shù)搜索結(jié)合極大極小值算法的改進(jìn)算法，使得搜索結(jié)果不會(huì)因?yàn)槊商乜宸椒ǖ碾S機(jī)性導(dǎo)致失真。為了進(jìn)一步提高復(fù)雜雙人博弈游戲中搜索算法的計(jì)算效率，我們還結(jié)合了幾種常見(jiàn)的剪枝策略。實(shí)驗(yàn)測(cè)試說(shuō)明，該新算法顯著改進(jìn)了蒙特卡洛樹(shù)搜