基于增强学习的计算机博弈策略的研究与实现
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12页 |
| ·国内外研究现状及存在问题 | 第12-14页 |
| ·国内研究现状 | 第12-13页 |
| ·国外研究现状 | 第13-14页 |
| ·目前研究所存在的问题 | 第14页 |
| ·本文工作 | 第14-15页 |
| ·研究内容 | 第14-15页 |
| ·论文的组织结构 | 第15页 |
| 第2章 计算机博弈中的关键技术 | 第15-26页 |
| ·棋盘的表示 | 第18页 |
| ·走法生成 | 第18-19页 |
| ·搜索算法 | 第19-23页 |
| ·博弈树 | 第20-21页 |
| ·极大极小值算法 | 第21-22页 |
| ·负极大值算法 | 第22页 |
| ·Alpha-Beta 搜索算法 | 第22-23页 |
| ·其他搜索算法 | 第23页 |
| ·估值 | 第23-25页 |
| ·静态估值函数 | 第24页 |
| ·静态估值函数存在的问题 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 增强学习及神经网络理论 | 第26-37页 |
| ·增强学习 | 第26-31页 |
| ·增强学习算法原理 | 第27-29页 |
| ·评价函数P(s,a) | 第29-30页 |
| ·TD(λ)算法 | 第30-31页 |
| ·神经网络 | 第31-36页 |
| ·神经元模型和网络结构 | 第31-33页 |
| ·反向传播算法 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 估值算法与博弈训练的研究 | 第37-54页 |
| ·BP-TD(λ)学习算法 | 第37-40页 |
| ·BP 神经网络 | 第40-47页 |
| ·五子棋特征 | 第40-44页 |
| ·BP 神经元网络的设计 | 第44-47页 |
| ·BP-TD 强化学习过程 | 第47-48页 |
| ·博弈训练的研究及优化 | 第48-53页 |
| ·博弈训练的方式 | 第48-50页 |
| ·博弈训练的优化 | 第50-52页 |
| ·博弈训练中的探索和利用 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于增强学习的五子棋博弈系统 | 第54-67页 |
| ·开发环境和工具 | 第54页 |
| ·系统实现 | 第54-59页 |
| ·系统总体功能的实现 | 第54-56页 |
| ·自学习功能的实现 | 第56-57页 |
| ·分阶段设置参数值的实现 | 第57-58页 |
| ·自学习训练 | 第58-59页 |
| ·试验结果分析 | 第59-66页 |
| ·神经元网络输入输出分析 | 第59-61页 |
| ·分阶段设置参数值的性能分析 | 第61-64页 |
| ·参数取值问题 | 第64页 |
| ·系统性能比较 | 第64-65页 |
| ·系统性能的提高 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第73-74页 |
| 致谢 | 第74-75页 |
