基于蒙特卡洛树搜索的计算机围棋博弈研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 研究现状 | 第13-15页 |
| 1.4 论文内容 | 第15-16页 |
| 1.5 论文结构 | 第16页 |
| 1.6 本章小结 | 第16-17页 |
| 第2章 计算机博弈的基本理论与方法 | 第17-28页 |
| 2.1 计算机博弈的主要特征 | 第17页 |
| 2.2 博弈树 | 第17-21页 |
| 2.3 博弈的复杂度与可解性 | 第21-22页 |
| 2.3.1 博弈的复杂度 | 第21页 |
| 2.3.2 博弈的可解性 | 第21-22页 |
| 2.4 博弈的盘面评估 | 第22-24页 |
| 2.5 博弈树常用搜索算法 | 第24-27页 |
| 2.5.1 极大极小搜索算法 | 第24-25页 |
| 2.5.2 Alpha-Beta搜索算法 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 计算机围棋博弈的特点与难点 | 第28-35页 |
| 3.1 围棋简介 | 第28-29页 |
| 3.2 围棋的复杂度 | 第29-31页 |
| 3.2.1 围棋的状态空间复杂度 | 第29页 |
| 3.2.2 围棋的博弈树复杂度 | 第29-30页 |
| 3.2.3 围棋与其他主要博弈项目复杂度的比较 | 第30-31页 |
| 3.3 计算机围棋博弈的主要特点 | 第31-33页 |
| 3.3.1 目标的总体效应 | 第31页 |
| 3.3.2 庞大的搜索空间 | 第31页 |
| 3.3.3 复杂的盘面评估 | 第31-32页 |
| 3.3.4 密切相关的盘面评估与博弈树搜索 | 第32-33页 |
| 3.4 计算机围棋博弈的主要难点 | 第33-34页 |
| 3.4.1 难以终结搜索 | 第33页 |
| 3.4.2 难以验证选点 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 计算机围棋博弈的盘面评估 | 第35-49页 |
| 4.1 静态盘面评估 | 第35-39页 |
| 4.1.1 评估函数 | 第35-37页 |
| 4.1.2 影响函数 | 第37-39页 |
| 4.2 蒙特卡洛盘面评估 | 第39-46页 |
| 4.2.1 蒙特卡洛方法的发展历史 | 第40-41页 |
| 4.2.2 蒙特卡洛方法的基本思想 | 第41-44页 |
| 4.2.3 蒙特卡洛对弈 | 第44-46页 |
| 4.3 静态评估与动态评估的分析与比较 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 蒙特卡洛树搜索 | 第49-59页 |
| 5.1 在线机器学习 | 第49-50页 |
| 5.2 多臂匪徒模型与上限信心界策略 | 第50-55页 |
| 5.2.1 多臂匪徒问题 | 第50-52页 |
| 5.2.2 多臂匪徒问题的数学模型 | 第52-53页 |
| 5.2.3 上限信心界策略 | 第53-55页 |
| 5.3 上限信心界应用树算法与蒙特卡洛树搜索 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 蒙特卡洛树搜索的尝试改进与验证分析 | 第59-68页 |
| 6.1 采用绝对剪枝策略进行改进 | 第59-60页 |
| 6.2 采用渐进展开策略进行改进 | 第60-62页 |
| 6.3 改进效果验证与分析 | 第62-67页 |
| 6.3.1 协议、平台与程序 | 第62-65页 |
| 6.3.2 效果验证与结果分析 | 第65-67页 |
| 6.4 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73页 |
