基于改进博弈树的黑白棋设计与实现
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·计算机棋弈人工智能的发展概况 | 第11-13页 |
| ·冯诺依曼的博弈论和图灵的纸上机器 | 第11页 |
| ·alpha-beta 剪枝的博弈搜索的出现 | 第11-12页 |
| ·基于alpha-beta 剪枝的算法发展 | 第12-13页 |
| ·棋局分析技术的发展 | 第13页 |
| ·自学习能力的引入 | 第13页 |
| ·黑白棋计算机博弈的发展概况 | 第13-14页 |
| ·本文的主要研究内容及意义 | 第14-15页 |
| ·本文结构 | 第15-16页 |
| 第二章 博弈树搜索理论与技术的分析 | 第16-29页 |
| ·博弈树和极大-极小搜索 | 第16-18页 |
| ·局面评估——叶子结点的计算 | 第18-19页 |
| ·alpha-beta 剪枝搜索 | 第19-22页 |
| ·提高alpha-beta 剪枝的方法 | 第22-25页 |
| ·结点有序 | 第22-24页 |
| ·期望窗口 | 第24-25页 |
| ·一些其它的策略 | 第25-29页 |
| ·并行与串行的优化 | 第25-27页 |
| ·选择性搜索策略 | 第27-29页 |
| 第三章 黑白棋系统基于面向对象的设计 | 第29-36页 |
| ·黑白棋的概述 | 第29-30页 |
| ·面向对象的系统设计 | 第30-32页 |
| ·棋盘数据结构的设计 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 黑白棋博弈树搜索的改进设计 | 第36-47页 |
| ·基于启发式alpha-beta 搜索的优化设计 | 第36-40页 |
| ·启发式的搜索 | 第36-37页 |
| ·使用0-窗口的alpha-beta 搜索 | 第37-40页 |
| ·置换表启发 | 第40-44页 |
| ·置换表的设计 | 第40-42页 |
| ·基于双置换表的优化实现 | 第42-44页 |
| ·“杀手”启发的实现 | 第44-45页 |
| ·动态选择排序结点 | 第45-46页 |
| ·终局搜索的实现 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第五章 黑白棋局面评估和基于开局库学习的实现 | 第47-54页 |
| ·黑白棋局面评估的实现 | 第47-50页 |
| ·基于模板匹配的局面评估的实现 | 第47-49页 |
| ·基于统计学计算模板分值 | 第49-50页 |
| ·棋局样本的选择 | 第50页 |
| ·开局库的实现 | 第50-52页 |
| ·基础开局库的实现 | 第50-51页 |
| ·开局库基于胜率下棋的改进 | 第51-52页 |
| ·基于开局库的自学习 | 第52页 |
| ·本章小结 | 第52-54页 |
| 第六章 系统AI 的测试与分析 | 第54-58页 |
| ·改进的博弈树搜索效果测试 | 第54页 |
| ·系统AI 效果的测试 | 第54-56页 |
| ·结果分析 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62页 |
