| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 引言 | 第9-13页 |
| ·计算机围棋 | 第9页 |
| ·计算机围棋面临的问题 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文选题的意义 | 第11页 |
| ·论文的工作和章节安排 | 第11-13页 |
| ·文章的主要工作 | 第11-12页 |
| ·本文的章节安排 | 第12-13页 |
| 第二章 研究背景和相关工作 | 第13-23页 |
| ·围棋历史 | 第13-14页 |
| ·围棋的规则 | 第14-15页 |
| ·围棋的基本概念 | 第15-17页 |
| ·气和棋串 | 第15页 |
| ·提 | 第15-16页 |
| ·眼 | 第16页 |
| ·围棋死活问题 | 第16-17页 |
| ·博弈树模型 | 第17-20页 |
| ·计算机博弈的复杂度 | 第19-20页 |
| ·计算机博弈中的盘面评估 | 第20页 |
| ·经典计算机围棋程序介绍 | 第20-22页 |
| ·Crazy Stone | 第20页 |
| ·GNU Go | 第20-21页 |
| ·Fuego | 第21页 |
| ·MOGO | 第21页 |
| ·ZEN | 第21-22页 |
| ·The Many Faces of Go | 第22页 |
| ·GoTools | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 计算机围棋中的搜索算法 | 第23-35页 |
| ·极小极大(Minmax)搜索算法 | 第23-24页 |
| ·Alpha-Beta搜索算法 | 第24-27页 |
| ·MCTS(Monte Carlo Tree Search,蒙特卡洛树搜索) | 第27-29页 |
| ·蒙特卡洛方法(Monte Carlo Methods) | 第27-28页 |
| ·MCTS的组成 | 第28-29页 |
| ·UCT搜索算法 | 第29-33页 |
| ·多臂匪徒(Multi-armed Bandit)模型 | 第29-30页 |
| ·UCB(Upper Confidence Bounds)策略 | 第30页 |
| ·选择策略(In-Tree Selection Policy) | 第30-31页 |
| ·缺省仿真策略(Default Play-out Policy) | 第31-32页 |
| ·仿真结果回传(Backup) | 第32页 |
| ·UCT算法的优点 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 搜索算法的变化与改进 | 第35-45页 |
| ·RAVE(Rapid Action Value Estimation)算法 | 第35-37页 |
| ·Last-Good-Reply策略 | 第37-39页 |
| ·The Power of Forgetting算法 | 第39-41页 |
| ·SB(Simulation Balancing)算法 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 封闭域UCT算法的实现与实验 | 第45-55页 |
| ·封闭域UCT算法及其在Fuego中的实现 | 第45-47页 |
| ·限定扩展范围的实现 | 第46页 |
| ·限定搜索范围的实现 | 第46-47页 |
| ·修改评估方法的实现 | 第47页 |
| ·最小迭代次数的定义 | 第47-48页 |
| ·实验及结果分析 | 第48-53页 |
| ·封闭域UCT算法的测试结果 | 第48-49页 |
| ·与GoTools的对比结果 | 第49-50页 |
| ·实测最小迭代次数T_(min)(A,Q)的分析 | 第50-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 结论与展望 | 第55-57页 |
| ·本文的主要工作总结 | 第55页 |
| ·下一步工作展望 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 附录A 实验用64个围棋死活题集 | 第65-67页 |
| 附录B 攻读学位期间发表的论文及科研项目 | 第67页 |
