| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第一章 绪论 | 第13-23页 |
| ·研究背景 | 第13-19页 |
| ·围棋简介 | 第13-15页 |
| ·计算机围棋简介 | 第15-18页 |
| ·计算机围棋的意义 | 第18-19页 |
| ·计算机围棋的研究现状 | 第19-21页 |
| ·论文的研究思路与内容安排 | 第21-23页 |
| 第二章 吃子问题求解模型的构造 | 第23-39页 |
| ·前言 | 第23页 |
| ·确定捕获对象和捕获方法 | 第23-33页 |
| ·简单吃子法 | 第23-25页 |
| ·捕获对象的确定 | 第25-27页 |
| ·气的分级 | 第27-29页 |
| ·候选点的产生 | 第29-33页 |
| ·搜索算法与走法排序 | 第33-36页 |
| ·MTD(f)搜索算法 | 第33-34页 |
| ·Hash表的迭代与走法排序 | 第34页 |
| ·考虑对手最强的反抗路径 | 第34-36页 |
| ·实验结果与分析 | 第36-37页 |
| ·小结 | 第37-39页 |
| 第三章 厚势价值量化模型的构造 | 第39-67页 |
| ·前言 | 第39页 |
| ·厚势价值量化的理论基础 | 第39-42页 |
| ·厚势价值的量化 | 第42-64页 |
| ·影响函数 | 第42-51页 |
| ·厚势价值量化模型Ⅰ:Fence Winnable | 第51-53页 |
| ·厚势价值量化模型Ⅱ:Fence Cognitive | 第53-64页 |
| ·实验结果与分析 | 第64-65页 |
| ·小结 | 第65-67页 |
| 第四章 获胜概率量化模型的构造 | 第67-89页 |
| ·前言 | 第67页 |
| ·获胜概率模型的意义 | 第67-68页 |
| ·获胜概率计算模型Ⅰ:Laurel Midgame | 第68-75页 |
| ·棋局进展程度 | 第69页 |
| ·领先目数 | 第69-73页 |
| ·获胜概率模型 | 第73-75页 |
| ·获胜概率计算模型Ⅱ:Laurel Cognitive | 第75-85页 |
| ·计算方法 | 第75-78页 |
| ·参数优化 | 第78-85页 |
| ·实验结果与分析 | 第85-87页 |
| ·小结 | 第87-89页 |
| 第五章 CognitiveGo着手选择与系统集成 | 第89-99页 |
| ·前言 | 第89页 |
| ·系统界面和功能 | 第89-92页 |
| ·着手选择 | 第92-96页 |
| ·着手生成 | 第93-94页 |
| ·着手评估 | 第94页 |
| ·评估值修正 | 第94-96页 |
| ·最佳棋步的确定 | 第96页 |
| ·小结 | 第96-99页 |
| 第六章 总结和展望 | 第99-103页 |
| ·总结 | 第99-100页 |
| ·展望 | 第100-103页 |
| 附录1 围棋业余5段段位证 | 第103页 |
| 附录2 围棋业余5段段位证书 | 第103-104页 |
| 附录3 本文所涉及的各模型信息表 | 第104-105页 |
| 攻读博士学位期间发表和完成的论文 | 第105-107页 |
| 参考文献 | 第107-114页 |
| 致谢 | 第114页 |
