| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·六子棋的研究现状 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·课题的提出 | 第13-14页 |
| ·技术路线 | 第14页 |
| ·研究意义 | 第14页 |
| ·论文的组织结构 | 第14-17页 |
| 第2章 六子棋和TD学习 | 第17-35页 |
| ·六子棋 | 第17-22页 |
| ·六子棋简介 | 第17-19页 |
| ·博弈程序NEU6Star | 第19-22页 |
| ·TD(λ)算法 | 第22-27页 |
| ·增强学习简介 | 第22-25页 |
| ·评价函数P(s,a) | 第25-26页 |
| ·TD(λ)算法 | 第26-27页 |
| ·估值函数 | 第27-33页 |
| ·传统的估值函数 | 第27-28页 |
| ·基于BP神经元网络的估值函数 | 第28-33页 |
| ·本章小结 | 第33-35页 |
| 第3章 TDConn6中估值算法与策略的研究 | 第35-55页 |
| ·TDCONN6的框架结构 | 第35-37页 |
| ·TDCONN6的BP-TD(λ)学习算法 | 第37-39页 |
| ·TDCONN6的BP神经元网络 | 第39-47页 |
| ·局面特征的抽取 | 第39-44页 |
| ·BP神经元网络的设计 | 第44-47页 |
| ·TDCONN6的两阶段着法选择策略 | 第47-54页 |
| ·随机的着法选择策略 | 第47-48页 |
| ·最优的着法选择策略 | 第48-49页 |
| ·两阶段的着法选择策略 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 系统实现与试验结果分析 | 第55-71页 |
| ·开发环境和工具 | 第55页 |
| ·系统实现 | 第55-61页 |
| ·TDConn6总体功能的实现 | 第55-56页 |
| ·TD学习模块的实现 | 第56-57页 |
| ·着法选择模块的实现 | 第57-58页 |
| ·自学习训练平台TDvs的实现 | 第58-61页 |
| ·试验结果分析 | 第61-69页 |
| ·BP神经元网络的可靠性验证 | 第61-63页 |
| ·参数λ和α对TDConn6的影响 | 第63-67页 |
| ·两阶段着法选择策略的性能分析 | 第67-68页 |
| ·TDConn6的测试集 | 第68-69页 |
| ·TDConn6与NEUConn6、NEU6Star的性能比较 | 第69页 |
| ·小结 | 第69-71页 |
| 第5章 总结与展望 | 第71-73页 |
| ·总结 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间的科研工作及获奖情况 | 第79页 |