| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 研究的目的和意义 | 第10-11页 |
| 1.2 国内外相关研究及综述 | 第11-13页 |
| 1.3 主要研究内容及组织结构 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 论文的组织结构 | 第14-15页 |
| 第2章 博弈理论和强化学习 | 第15-25页 |
| 2.1 博弈分类 | 第15-16页 |
| 2.1.1 范式博弈 | 第15页 |
| 2.1.2 扩展式博弈 | 第15-16页 |
| 2.2 估值函数 | 第16-17页 |
| 2.2.1 静态估值函数 | 第16-17页 |
| 2.2.2 动态估值函数 | 第17页 |
| 2.3 博弈树搜索 | 第17-20页 |
| 2.3.1 博弈树基本搜索算法 | 第17-18页 |
| 2.3.2 Alpha-Beta搜索 | 第18-19页 |
| 2.3.3 历史启发搜索 | 第19-20页 |
| 2.4 非完备信息游戏中的博弈问题 | 第20-21页 |
| 2.5 强化学习 | 第21-24页 |
| 2.5.1 强化学习简介 | 第21-23页 |
| 2.5.2 Q学习算法 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于Q学习的非完备信息博弈 | 第25-42页 |
| 3.1 非完备信息博弈与POMDP模型 | 第25-28页 |
| 3.1.1 POMDP模型 | 第25页 |
| 3.1.2 非完备信息博弈的POMDP表示 | 第25-26页 |
| 3.1.3 Q学习应用在非完备信息博弈中的方案 | 第26-28页 |
| 3.2 Q学习的状态改进模型 | 第28-31页 |
| 3.2.1 非完备信息博弈下的状态问题 | 第28-29页 |
| 3.2.2 基于Pn-step改进的Q学习状态模型 | 第29-31页 |
| 3.3 Q学习的估值函数改进模型 | 第31-36页 |
| 3.3.1 传统的Q值表示 | 第31页 |
| 3.3.2 Fuzzy-Q学习 | 第31-33页 |
| 3.3.3 基于NF改进的Q学习估值函数模型 | 第33-36页 |
| 3.4 Q学习改进的回报函数设计 | 第36-41页 |
| 3.4.1 UCB1策略 | 第36-37页 |
| 3.4.2 基于UCT策略改进的Q学习回报函数 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 扑克博弈系统的实现和实验分析 | 第42-54页 |
| 4.1 扑克机器博弈系统 | 第42-47页 |
| 4.1.1 数据表示和规则产生器 | 第43-44页 |
| 4.1.2 估值函数设计 | 第44-47页 |
| 4.2 实验结果分析 | 第47-53页 |
| 4.2.1 实验数据 | 第47-48页 |
| 4.2.2 实验参数选取 | 第48-50页 |
| 4.2.3 玩家行为预测 | 第50页 |
| 4.2.4 对局结果分析 | 第50-53页 |
| 4.3 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |