具有自学习功能的计算机象棋博弈系统的研究与实现

摘要

计算机博弈是人工智能研究的一个重要分支，它的研究为人工智能带来了很多重要的方法和理论，产生了广泛的社会影响和学术影响。国内外对博弈的研究已经较为广泛。近年来随着研究的不断深入，计算机中国象棋博弈越来越成为继国际象棋之后计算机博弈研究的热点之一。 本文在对相关文献进行了全面的综述之后，围绕计算机中国象棋博弈中的若干关键问题进行了研究和改进，在此之上开发了一个具有自学习功能的中国象棋博弈系统，论文主要研究了以下3个方面的问题： 第一、研究了一些博弈的关键技术，包括棋盘和棋子在计算机中的表示问题，走法生成，搜索技术，估值函数等。 第二、研究了建立在博弈树的极大极小搜索技术基础之上的各种优化方法和局面静态估值函数。论文主要讨论了4个方面的优化方法，并根据应用提出了具体的组合方案；然后分析了针对评估局面优劣的静态估值函数的一些优点和缺点。 第三、针对静态估值函数依赖人类棋类知识和评估不够准确的问题，本文提出了一种解决方案：用BP神经网络结合时间差分算法代替传统的线性估值函数，并构建系统和实验方案对其相关的问题进行了讨论。 本文实现的象棋系统，通过对估值部分的改进和增强，提高了棋力，具有一定的使用和研究意义。

目录

文摘

英文文摘

声明

第1章绪论

1.1选题背景

1.2国内外研究现状

1.3课题的主要工作和论文结构

第2章计算机博弈关键技术

2.1棋盘的表示

2.2着法生成

2.3搜索算法

2.3.1博弈树的基本概念和思想

2.3.2极大极小值算法

2.3.3负极大值法

2.3.4 Alpha-Beta搜索算法

2.4估值函数

2.5本章小结

第3章搜索算法的优化

3.1窗口探测

3.1.1渴望搜索

3.1.2极小窗口算法

3.2调整节点顺序

3.3时间控制优化

3.4内存增强优化

3.5本章小节

第4章静态估值函数

4.1静态估值函数的特点

4.2静态估值方法的主要评估因素

4.3静态估值方法存在的问题

4.4本章小节

第5章自学习功能的实现

5.1人工神经网络

5.1.1误差反向传播神经网络与学习规则

5.1.2学习过程具体步骤和流程图

5.2时间差分算法

5.3结合时间差分算法的BP网络

5.4自学习网络

5.4.1网络模型的建立

5.4.2样本的选择方式

5.4.3学习流程

5.5相关问题的讨论

5.5.1输入层编码问题

5.5.2参数取值问题

5.6本章小节

第6章中国象棋系统的实现

6.1系统结构组织

6.2系统详细设计

6.2.1棋子和棋盘的表示

6.2.2走法生成器的设计

6.2.3搜索引擎的设计

6.2.4估值函数的设计

6.3实验结果和相关问题的讨论

6.4本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢