文件名称：基于卷积神经网络的围棋棋步预测方法研究_张旗.caj
文件大小：1.74MB
文件格式：CAJ
更新时间：2022-08-24 14:41:46
jqxx
博弈是人工智能领域的重要研究主题,人工智能技术的发展在很多方面得益于博弈的发展。围棋作为博弈研究的主要内容之一,因其具有搜索空间大和难以建立评价函数的难点,使得传统的搜索方法很难获得令人满意的对弈性能。近年来,基于卷积神经网络的围棋棋步预测方法逐渐成为解决围棋博弈问题的一种有效途径。这是因为,第一,棋步预测方法通过监督学习来预测人类高水平棋手的走棋,该过程并不需要进行深度搜索,因此能够避免围棋分支因子高的问题；第二,棋步预测方法与人类棋手在对弈时的思考方式相一致；第三,由于卷积神经网络能够直接从原始图像中识别出视觉模式,并通过逐层的特征提取来提升分类的准确性,故可对围棋棋局进行有效地评估,从而克服对围棋中的模糊概念建立可计算模型的困难。利用卷积神经网络构建围棋棋步预测模型极大地促进了围棋博弈的发展,但就目前的研究现状来看仍有很大的发展空间。本文针对基于卷积神经网络的围棋棋步预测方法开展了以下三个方面的研究工作:1)对基于卷积神经网络的围棋棋步预测方法进行了综述。首先,简要介绍了围棋博弈的难点,通过对蒙特卡洛树搜索方法的分析,指出围棋棋步预测方法才是解决围棋博弈问题的有效途径；然后,从卷积神经网络的整体结构、各层子结构以及网络的训练三个方面阐述了与围棋棋步预测相关的卷积神经网络基础知识