| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-28页 |
| 1.1 人工智能和机器博弈 | 第14-20页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 国内外研究现状 | 第15-19页 |
| 1.1.3 非完备信息机器博弈 | 第19-20页 |
| 1.2 机器博弈的理论来源 | 第20-23页 |
| 1.2.1 信息集 | 第20-21页 |
| 1.2.2 纳什均衡 | 第21-23页 |
| 1.3 课题研究的关键问题与创新点 | 第23-26页 |
| 1.4 论文结构 | 第26-28页 |
| 第2章 基于改进的UCT策略的蒙特卡洛博弈树搜索 | 第28-51页 |
| 2.1 博弈树搜索 | 第28-30页 |
| 2.1.1 基本搜索算法 | 第28-29页 |
| 2.1.2 Alpha-Beta搜索 | 第29-30页 |
| 2.1.3 历史启发算法 | 第30页 |
| 2.2 非完备信息条件下的蒙特卡洛抽样算法 | 第30-36页 |
| 2.2.1 蒙特卡洛抽样 | 第31-34页 |
| 2.2.2 蒙特卡洛抽样在非完备信息博弈中的应用过程 | 第34-35页 |
| 2.2.3 最佳走步链表的建立与查询 | 第35-36页 |
| 2.3 蒙特卡洛博弈树搜索 | 第36-41页 |
| 2.3.1 MCTS算法过程 | 第37-38页 |
| 2.3.2 MCTS算法与经典博弈树搜索算法的比较 | 第38-41页 |
| 2.4 MCTS算法过程中的节点扩展选择算法UCT | 第41-45页 |
| 2.4.1 K臂赌博机问题和UCB1算法 | 第41-42页 |
| 2.4.2 博弈树节点扩展选择策略UCT | 第42-44页 |
| 2.4.3 UCT算法中的上限置信区间 | 第44-45页 |
| 2.5 UCT算法策略比对及参数调整 | 第45-47页 |
| 2.6 UCT策略性能对比实验 | 第47-49页 |
| 2.7 本章小结 | 第49-51页 |
| 第3章 非完备信息条件下的风险建模 | 第51-81页 |
| 3.1 机器博弈问题中的风险损失及计算方法 | 第51-63页 |
| 3.1.1 研究背景 | 第51-53页 |
| 3.1.2 机器博弈问题中的风险分析 | 第53-55页 |
| 3.1.3 风险损失出现概率 | 第55-57页 |
| 3.1.4 非完备信息条件下风险损失估算方法 | 第57-58页 |
| 3.1.5 实验分析 | 第58-63页 |
| 3.2 基于风险损失估算方法的UCT-Risk策略 | 第63-66页 |
| 3.3 基于风险占优策略的机器博弈决策模型 | 第66-79页 |
| 3.3.1 理论背景 | 第67-68页 |
| 3.3.2 风险占优决策模型 | 第68-72页 |
| 3.3.3 基于对手建模方法改进的非完备信息预测 | 第72-77页 |
| 3.3.4 实验分析 | 第77-79页 |
| 3.4 本章小结 | 第79-81页 |
| 第4章 对手建模中的棋盘类问题建模及对手聚类 | 第81-108页 |
| 4.1 研究背景 | 第81-83页 |
| 4.2 棋盘类博弈问题中的对手建模 | 第83-92页 |
| 4.2.1 棋盘类博弈问题的位置相关性质 | 第83-84页 |
| 4.2.2 棋盘类游戏布局估值方法 | 第84-87页 |
| 4.2.3 对手分类实验和特殊对手建模方法 | 第87-88页 |
| 4.2.4 对手类型预测方法 | 第88-90页 |
| 4.2.5 实验分析 | 第90-92页 |
| 4.3 基于KL距离的群组对手聚类方法 | 第92-104页 |
| 4.3.1 Kullback-Leibler（KL）距离 | 第93-95页 |
| 4.3.2 改进的群组对手分类方法 | 第95-99页 |
| 4.3.3 实验分析 | 第99-104页 |
| 4.4 世界扑克机器博弈大赛（ACPC）评测 | 第104-107页 |
| 4.4.1 ACPC大赛简介 | 第104-105页 |
| 4.4.2 HIT S Z?CS系统参赛情况介绍 | 第105-107页 |
| 4.5 本章小结 | 第107-108页 |
| 第5章 机器博弈系统的信息获取学习及性能评估 | 第108-122页 |
| 5.1 机器博弈系统大规模图灵测试平台 | 第108-113页 |
| 5.1.1 测试平台的研究意义 | 第108-109页 |
| 5.1.2 机器博弈系统性能评估方法 | 第109-111页 |
| 5.1.3 基于互联网的博弈信息获取技术 | 第111-113页 |
| 5.2 基于强化学习方法的机器博弈系统信息学习 | 第113-121页 |
| 5.2.1 强化学习方法简介 | 第113-115页 |
| 5.2.2 强化学习中的Q学习算法 | 第115页 |
| 5.2.3 非完备信息条件下的Q学习调整 | 第115-119页 |
| 5.2.4 基于Q学习的四国军棋估值函数调整实验 | 第119-121页 |
| 5.3 本章小结 | 第121-122页 |
| 结论 | 第122-124页 |
| 参考文献 | 第124-134页 |
| 附录A 四国军棋和德州扑克简介 | 第134-141页 |
| A.1 四国军棋和德州扑克 | 第134-141页 |
| A.1.1 四国军棋简介 | 第134-137页 |
| A.1.2 德州扑克简介 | 第137-141页 |
| 攻读博士学位期间发表的论文及其他成果 | 第141-144页 |
| 致谢 | 第144-146页 |
| 个人简历 | 第146页 |
