基于AlphaGo Zero改进的国际象棋博弈方法

摘要

本发明提出基于AlphaGo Zero改进的国际象棋博弈方法，扩展了AlphaGo Zero方法在人机博弈领域的应用范围，属于机器人科技娱乐领域。其包括以下步骤：采用能有效避免梯度弥散并能够获得最优位置收敛的CNN、ResNet以及全连接层在内的混合网络结构，并使用一个训练网络同时输出策略与估值；2)采用强化学习策略，通过使用自我博弈(Self‑Play)产生的数据进行训练，解决序贯结构的数据训练规模较大的问题，在博弈过程中进行模型优化；3)神经网络训练优化模型，定义损失函数并选择相应的优化器进行向减小损失方向的迭代更新；4)网络模型评估，使用训练一段时间后的新模型与训练前的模型进行对弈，根据胜负局数获取当前模型的性能以判定是否进行模型的迭代；5)采用第三方软件进行可视化交互博弈测试与评估。