非完備信息機(jī)器博弈中風(fēng)險(xiǎn)及對(duì)手模型的研究.pdf

1、人工智能是計(jì)算機(jī)領(lǐng)域的一個(gè)重要分支，其任務(wù)是研究使計(jì)算機(jī)勝任原本必須人的智力才能完成的工作。機(jī)器博弈作為人工智能的研究領(lǐng)域之一，是檢驗(yàn)其發(fā)展水平的一個(gè)重要手段。它的研究為人工智能帶來(lái)了很多方法和理論，產(chǎn)生了廣泛的社會(huì)和學(xué)術(shù)影響。
　　完備信息和非完備信息機(jī)器博弈是機(jī)器博弈領(lǐng)域的兩個(gè)分支。非完備信息博弈的特點(diǎn)是博弈者在博弈過程中無(wú)法獲得全部以及可信的局面信息。在非完備信息博弈中，博弈環(huán)境的真實(shí)狀態(tài)往往是不可知的，參與其中的博弈者所掌

2、握的信息是不對(duì)稱和不完備的，這使得非完備信息博弈的研究更為復(fù)雜，更具有挑戰(zhàn)性。
　　相對(duì)于完備信息機(jī)器博弈，非完備信息機(jī)器博弈問題中的參與者因信息的不完備，策略選擇面臨必然的風(fēng)險(xiǎn)損失。同時(shí)，博弈者行為的個(gè)性化和非最優(yōu)化的特點(diǎn)使之在策略選擇中趨向不同的納什均衡。實(shí)現(xiàn)有競(jìng)爭(zhēng)力、高水平的非完備信息機(jī)器博弈系統(tǒng)，需要對(duì)以上問題展開分析，并尋求可行的解決方案。
　　本文研究非完備信息機(jī)器博弈系統(tǒng)中風(fēng)險(xiǎn)模型及對(duì)手模型。研究的具體問題包括

3、：大規(guī)模博弈樹搜索，風(fēng)險(xiǎn)損失的評(píng)估與規(guī)避方法，對(duì)手建模。
　　非完備信息條件決定了此類問題形成的博弈樹規(guī)模非常巨大。蒙特卡洛博弈樹搜索方法（MCTS：Monte-Carlo Tree Search）是解決大規(guī)模博弈樹搜索的基本方法。UCT（Upper Confidence Bound Applied to Trees）算法為博弈樹搜索過程中的分支選擇過程提供了多種策略。本文實(shí)現(xiàn)了基于MCTS和UCT策略的非完備信息機(jī)器博弈系統(tǒng)策略

4、選擇方法。對(duì)不同的UCT算法策略進(jìn)行分析和比對(duì)實(shí)驗(yàn)，討論了UCT策略在博弈問題中的參數(shù)調(diào)整方法。
　　非完備信息條件下，博弈者策略的預(yù)期收益與實(shí)際收益往往會(huì)產(chǎn)生偏差。其原因來(lái)自于對(duì)自身博弈環(huán)境判斷的不準(zhǔn)確性以及對(duì)對(duì)手行為預(yù)測(cè)的不準(zhǔn)確性。本文提出博弈問題中的風(fēng)險(xiǎn)損失定義和估算方法。同時(shí)，結(jié)合UCT策略的置信搜索思想，提出了兩者相結(jié)合的UCT-Risk策略。在實(shí)驗(yàn)中，該策略被證實(shí)在高風(fēng)險(xiǎn)特征的博弈問題中具有更好的效果。最后，提出了系統(tǒng)

5、的風(fēng)險(xiǎn)策略選擇模型。
　　由于博弈信息的非完備性和不對(duì)稱性，非完備信息博弈者趨向于不同的納什均衡。建立對(duì)手模型，分析對(duì)手的個(gè)性化及聚類特征，建立更為高效的策略選擇模型是近年來(lái)機(jī)器博弈領(lǐng)域的研究方向。本文還研究了對(duì)手建模的理論和算法，特別提出在棋盤類博弈游戲中的理論和應(yīng)用方法。
　　本文對(duì)對(duì)手建模過程中的對(duì)手聚類問題進(jìn)行了深入探討。使用KL（Kullback-Leibler）距離作為數(shù)據(jù)個(gè)體的聚類標(biāo)準(zhǔn)，提出了改進(jìn)的群組聚類對(duì)手