基于智能算法的六子棋博弈行为选择的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·引言 | 第10-11页 |
| ·课题的学术意义 | 第11-14页 |
| ·人工生命体及其行为选择的研究价值 | 第11-12页 |
| ·机器博弈的研究意义 | 第12-13页 |
| ·六子棋博弈的研究意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·人工生命行为选择的研究现状 | 第14-15页 |
| ·机器博弈的研究现状 | 第15-16页 |
| ·智能算法的研究现状 | 第16-17页 |
| ·本文研究的主要内容 | 第17-18页 |
| 2 六子棋机器博弈平台的搭建 | 第18-29页 |
| ·背景 | 第18-20页 |
| ·六子棋的基本规则 | 第18页 |
| ·六子棋的复杂度 | 第18-19页 |
| ·六子棋的发展展望 | 第19-20页 |
| ·人-机界面 | 第20-21页 |
| ·棋盘表示与状态分析 | 第21-22页 |
| ·走法产生 | 第22页 |
| ·如何产生 | 第22页 |
| ·逐个生成VS 全部生成 | 第22页 |
| ·博弈搜索引擎 | 第22-26页 |
| ·博弈树 | 第22-23页 |
| ·极大极小搜索算法 | 第23-24页 |
| ·负极大值搜索 | 第24-25页 |
| ·alpha-beta 裁减 | 第25-26页 |
| ·棋局评估函数 | 第26-27页 |
| ·六子棋机器博弈策略框架 | 第27-29页 |
| 3 基于“路”的六子棋机器博弈策略 | 第29-36页 |
| ·完全信息博弈与不完全信息博弈 | 第29-30页 |
| ·完全信息博弈 | 第29-30页 |
| ·不完全信息博弈 | 第30页 |
| ·基于棋形的缺陷 | 第30-31页 |
| ·“路”的定义 | 第31-34页 |
| ·基于“路”的评估函数 | 第34页 |
| ·基于“路”的博弈策略 | 第34-36页 |
| 4 基于遗传算法评估函数的构造 | 第36-59页 |
| ·评估函数参数优化问题 | 第36-38页 |
| ·评估函数参数设置问题 | 第36页 |
| ·评估函数参数设置的2 种方法 | 第36-38页 |
| ·基本遗传算法 | 第38-40页 |
| ·遗传算法的基本思想 | 第38-39页 |
| ·遗传算法的基本流程 | 第39-40页 |
| ·遗传算法的特点 | 第40页 |
| ·改进的遗传算法 | 第40-43页 |
| ·遗传算法应用于评估函数 | 第43-54页 |
| ·编码 | 第44页 |
| ·适应度函数的计算 | 第44-51页 |
| ·选择算子 | 第51-52页 |
| ·交叉算子 | 第52-53页 |
| ·变异算子 | 第53-54页 |
| ·遗传算法优化评估函数的实验结果及分析 | 第54-58页 |
| ·算法收敛性实验与分析 | 第54-56页 |
| ·优化效果的实验与分析 | 第56-58页 |
| ·小结 | 第58-59页 |
| 5 基于微粒群算法评估函数的构造 | 第59-69页 |
| ·微粒群算法及其应用改造 | 第59-64页 |
| ·微粒群算法与人工生命 | 第59-60页 |
| ·标准微粒群算法 | 第60-62页 |
| ·微粒群算法的改进 | 第62-64页 |
| ·评估函数及其应用改进 | 第64页 |
| ·微粒群算法的实施 | 第64-65页 |
| ·实施结果的评估 | 第65-68页 |
| ·优化效果的实验与分析 | 第65-67页 |
| ·PSO 与 GA 对比实验的结果与分析 | 第67-68页 |
| ·小结 | 第68-69页 |
| 6 结论与展望 | 第69-71页 |
| ·研究工作小结 | 第69页 |
| ·存在的问题与不足 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第76页 |
