中國象棋計算機博弈中的增強學(xué)習(xí)研究.pdf

1、計算機博弈曾一直被稱為是人工智能研究的“果蠅”，但對于有幾千年歷史的中國象棋的計算機博弈的研究卻遠遠落后于其它棋類，為了改變這種局面，東北大學(xué)成立了“棋天大圣”中國象棋計算機博弈代表隊。論文選題正是來源于在隊內(nèi)所做的研究工作。 為了解決傳統(tǒng)的線性評估函數(shù)對中國象棋局面的評估不夠精確的問題，本文提出了兩個解決方案：一個是使用TD(λ)增強學(xué)習(xí)算法優(yōu)化傳統(tǒng)的線性評估函數(shù)的可調(diào)參數(shù)；另一個是使用人工神經(jīng)元BP網(wǎng)絡(luò)替代傳統(tǒng)的線性評估函數(shù)

2、，然后使用TD(λ)算法訓(xùn)練該網(wǎng)絡(luò)。一個中國象棋增強學(xué)習(xí)系統(tǒng)被設(shè)計用來實現(xiàn)這兩個方案的學(xué)習(xí)過程。在該系統(tǒng)中可以使用TD(λ)算法進行四種形式的學(xué)習(xí)：專家棋譜數(shù)據(jù)庫學(xué)習(xí)，自學(xué)習(xí)，固定對手學(xué)習(xí)和網(wǎng)絡(luò)對戰(zhàn)學(xué)習(xí)。為了驗證學(xué)習(xí)的效果，設(shè)計了一個連線器用于將本系統(tǒng)連接到Internet上的一個網(wǎng)絡(luò)對戰(zhàn)平臺—弈天棋緣，通過在網(wǎng)上擂臺的等級來評價學(xué)習(xí)后的棋力提高程度。 實驗表明，使用TD(λ)算法訓(xùn)練BP網(wǎng)絡(luò)的方案潛力巨大，值得進行更深入的研究