| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 引言 | 第9-11页 |
| ·国内外研究现状 | 第9-10页 |
| ·课题的主要工作及章节安排 | 第10-11页 |
| 第2章 α-β 剪枝算法及其优化原理 | 第11-27页 |
| ·α-β 剪枝算法 | 第11-22页 |
| ·博弈论 | 第11-14页 |
| ·极大极小值算法 | 第14-18页 |
| ·α-β 剪枝算法 | 第18-22页 |
| ·已有的α-β剪枝算法优化方式 | 第22-25页 |
| ·编程方面的优化 | 第22-23页 |
| ·历史启发 | 第23页 |
| ·杀手启发 | 第23页 |
| ·空着搜索 | 第23页 |
| ·置换表法 | 第23-24页 |
| ·迭代加深 | 第24-25页 |
| ·negscout 算法 | 第25页 |
| ·其他优化算法 | 第25页 |
| ·本文所使用的α-β剪枝算法优化方式 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 如何利用机器学习算法实现对节点排序 | 第27-30页 |
| ·训练样例的特征项的选择 | 第27页 |
| ·训练样例的获取 | 第27-28页 |
| ·模型选择 | 第28页 |
| ·过度拟合与欠拟合 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 用于辅助α-β剪枝算法的学习系统的实现 | 第30-56页 |
| ·井字棋的实现 | 第30-35页 |
| ·状态表示 | 第30页 |
| ·确定目标状态 | 第30-31页 |
| ·静态评估函数 | 第31-32页 |
| ·候选走法产生 | 第32-35页 |
| ·训练样例的特征项的选择 | 第35-36页 |
| ·训练样例的获取 | 第36-39页 |
| ·模型选择 | 第39-51页 |
| ·BP 神经元 | 第39-41页 |
| ·BP 网络 | 第41-44页 |
| ·BP 神经网络的设计与实现 | 第44-50页 |
| ·结果分析 | 第50-51页 |
| ·结合神经网络的井字棋游戏设计 | 第51-55页 |
| ·网络的初始化 | 第51页 |
| ·用于排序的神经网络 | 第51-54页 |
| ·结果分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录1 经过改进的泛化函数代码 | 第60-63页 |
| 附录2 用于训练的 BP 神经网络代码 | 第63-66页 |
| 附录3 用于辅助剪枝的 BP 神经网络的初始化代码 | 第66-71页 |
| 附录4 BP 神经网络与主函数结合的代码 | 第71-74页 |
| 附录5 训练完成后的 BP 神经网络权矩阵 | 第74-80页 |
| 致谢 | 第80页 |