基于靜態(tài)評估的計算機圍棋UCT算法改進研究.pdf

1、計算機博弈是人工智能研究的重要領域之一，棋類博弈又是計算機博弈中的重要分支，目前其他棋類博弈均得到了較圓滿的解決，唯有計算機圍棋的最高水平還不及人類的初級棋手。
　　圍棋是檢驗人工智能發(fā)展水平的試金石，開發(fā)出與職業(yè)棋手程度相當?shù)挠嬎銠C圍棋程序有助于對人類認知科學的探索。對當前棋局做出準確高效的靜態(tài)評估不僅有利于棋手判斷當前局勢，確定攻防著點，引導下一步棋的走向，而且能夠指導信心上界樹(Upper Confidence bounds

2、 applied to Trees，簡稱為UCT)算法平衡探索與利用。本文提出了一種棋子影響函數(shù)，并在此基礎上構(gòu)建了一個量化模型來解決棋局的靜態(tài)評估問題；然后將靜態(tài)評估結(jié)果與UCT算法相結(jié)合，構(gòu)造出一種UCT剪枝策略。本文所設計的算法可以提高程序的運行效率，從而提升程序棋力，具有一定的理論研究意義與實際應用價值。
　　本文主要研究成果有：
　　(1)設計了一種棋子的影響函數(shù)Influ。過去的影響函數(shù)通常沒有考慮到對方棋子的阻

3、擋問題，從而造成計算影響值時精度較低。本文采用直線和斜線距離相結(jié)合的方式來表征棋子到空點的距離，并利用A*算法進行路徑尋優(yōu)，最終獲取單個棋子對空點的影響值；
　　(2)基于Influ棋子影響函數(shù)，構(gòu)造Value全局靜態(tài)評估量化模型。首先，將單個棋子對空點的影響值線性疊加；然后，進行邊角調(diào)整、閾值規(guī)范和歸一化操作等處理步驟，獲得棋盤上所有空點受到的總的影響值；最后，使用多級種群競爭消亡法優(yōu)化模型參數(shù)，最終得到Value量化模型。實驗