文摘
英文文摘
声明
第一章引言
1.1研究动机
1.2研究背景
1.3研究内容
1.4本文组织结构
第二章中国象棋状态空间的表示方法
2.1象棋博弈问题的状态空间描述
2.1.1问题状态描述
2.1.2系统性质分析
2.2棋盘棋子编码
2.2.1棋盘坐标编码
2.2.2棋子种类编码
2.2.3棋子个体编码
2.3棋盘空间状态的数字表示
2.3.1棋盘索引数组
2.3.2棋子索引数组
2.3.3映射数组
2.4棋盘空间状态的布尔表示
2.4.1路向行向比特向量
2.4.2比特棋盘
2.5数据结构之间的对应关系及其更新过程
2.5.1数据结构之间的对应关系
2.5.2数字表示数据结构的更新
2.5.3布尔表示数据结构的更新
2.6其它相关表示方法
2.6.1 FEN格式
2.6.2 PGN格式
2.6.3旋转比特棋盘
2.7小结
第三章中国象棋计算机博弈着法生成
3.1着法生成概念
3.1.1着法算子
3.1.2着法表示方法
3.1.3着法分类
3.2着法生成辅助-预置着法表
3.3各种流行着法生成算法介绍
3.3.1棋盘扫描法
3.3.2射线法
3.3.3模板匹配法
3.4路向行向比特向量与预置着法表的结合
3.4.1以路向行向比特向量为索引的预置着法表
3.4.2以路向行向比特向量为索引的预置表的存储方式
3.5折叠比特棋盘法
3.5.1折叠的意义
3.5.2折叠的方法
3.5.3折叠的证明
3.5.4折叠与展开
3.6各种着法生成方法对比分析
3.7小结
第四章博弈搜索算法研究
4.1搜索算法分类
4.2穷尽搜索算法
4.2.1极大极小值算法(Minimax Algorithm)
4.2.2负极大值算法(Negamax Algorithm)
4.2.3深度优先(depth_first search)和广度优先(breadth_first search)
4.2.4 α-β搜索
4.2.5渴望窗口搜索(Aspiration Window)
4.2.6 PVS(Principal Variation Search)/Negascout搜索
4.3裁剪算法
4.3.1无风险裁剪算法
4.3.2有风险裁剪算法
4.4延伸算法(Search Extendsion)
4.4.1静止期搜索(Quiescent Search)
4.4.2将军延伸(Check Extension)
4.4.3唯一着法延伸(One_Reply Extension)
4.4.4兑子延伸(Recapture Extension)
4.4.5杀棋延伸(Mate Extension)
4.5启发式搜索算法
4.5.1静态启发信息
4.5.2动态启发式信息
4.5.3启发式算法的辅助——迭代深化
4.6同形表(Transposition Table)
4.6.1同形表实现原理
4.6.2同形表的结构
4.6.3同形表的写入和读取
4.6.4同形表的裁剪算法和启发式算法
4.6.5同形表性能测试
4.7并行搜索算法
4.7.1 DTS搜索算法
4.7.2 APHID搜索算法
4.8 小结
第五章中国象棋计算机博弈审局函数研究
5.1审局函数概念
5.2审局函数包含的内容
5.2.1棋子固定价值审局
5.2.2小子审局函数
5.2.3子力配合值
5.2.4将的安全审局
5.3小子同形表
5.3.1小子同形表可行性分析
5.3.2小子同形表查询与更新
5.3.3小子同形表的结构
5.3.4小子使用方法
5.3.5效率对比
5.4小结
第六章开局库设计与开局库自学习
6.1引言
6.2开局库的重要性
6.3开局库的计算机自动生成
6.3.1最好为先扩展法的基本原理(Best-First Expansion)
6.3.2脱谱扩展法的基本原理(Drop-Out Expansion)
6.4统计开局库的设计与使用
6.4.1统计方式设计
6.4.2数据结构设计与应用
6.4.3统计方法的科学探讨
6.5理想开局库
6.5.1理想开局库的提出
6.5.2理想开局库的设计
6.5.3理想开局库的问题
6.6开局库自学习
6.6.1开局库自学习系统
6.6.2自学习存在的问题
6.6.3开局评价体系
6.7小结
第七章残局处理系统
7.1中国象棋残局特点分析
7.2中国象棋计算机博弈残局系统
7.3残局知识库
7.3.1残局知识库入口
7.3.2残局知识库的出口
7.3.3残局知识库对“势”的判定
7.3.4残局知识库对“形”的判定
7.3.5残局知识库在对搜索引擎的影响
7.4残局数据库
7.4.1残局数据库的调用
7.4.2残局数据库的数据表示
7.4.3残局数据库的分类
7.4.4残局数据库的索引
7.4.5残局数据库的构造
7.5难点分析
7.5.1残局知识库难点分析
7.5.2残局数据库难点分析
7.6小结
第八章机器学习算法在审局函数中的应用
8.1基于自适应遗传算法的审局函数
8.1.1遗传算法
8.1.2适应度函数的计算——锦标赛算法
8.1.3加快优化进程的相关举措
8.1.4遗传操作过程
8.1.5自适应遗传算法
8.1.6实验结果
8.2人工神经元网络结合TD(λ)算法在审局函数中的应用
8.2.1人工神经元网络
8.2.2用BP网络结构表示审局函数
8.2.3 TD(λ)算法
8.2.4获得训练数据
8.2.5实验结果
8.3 小结
第九章结论与展望
参考文献
致谢
攻读博士期间发表的学术论文、参加和完成的科研工作及获得的奖励
附录 “棋天大圣”运行界面
个人简介