德州扑克手牌强度预测模型及NPC设计
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题背景和研究意义 | 第11-13页 |
| 1.1.1 游戏人工智能 | 第11-12页 |
| 1.1.2 扑克游戏的研究及意义 | 第12-13页 |
| 1.2 研究现状简介 | 第13-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 德州扑克研究背景 | 第16-23页 |
| 2.1 德州扑克 | 第16-19页 |
| 2.1.1 德州扑克玩法介绍 | 第16-19页 |
| 2.1.2 计算机扑克竞赛(ACPC) | 第19页 |
| 2.2 有研究方法 | 第19-21页 |
| 2.2.1 基于知识的系统 | 第19页 |
| 2.2.2 蒙特卡罗模拟 | 第19-20页 |
| 2.2.3 博弈论及均衡理论 | 第20页 |
| 2.2.4 机器学习与数据挖掘方法 | 第20-21页 |
| 2.3 已有研究方法的总结与讨论 | 第21-23页 |
| 第三章 手牌强度预测模型设计 | 第23-30页 |
| 3.1 模型的整体设计 | 第23-24页 |
| 3.2 分类算法 | 第24-25页 |
| 3.3 特征向量设计 | 第25-29页 |
| 3.4 小结 | 第29-30页 |
| 第四章 基于手牌强度预测模型的NPC设计 | 第30-51页 |
| 4.1 引言 | 第30-33页 |
| 4.1.1 模型的训练 | 第30页 |
| 4.1.2 押注策略选择 | 第30-33页 |
| 4.2 基于朴素贝叶斯算法的NPC设计 | 第33-35页 |
| 4.2.1 朴素贝叶斯算法简介 | 第33-34页 |
| 4.2.2 特征向量设计 | 第34-35页 |
| 4.2.3 押注策略 | 第35页 |
| 4.3 基于支持向量机算法的NPC设计 | 第35-39页 |
| 4.3.1 支持向量机算法简介 | 第36-37页 |
| 4.3.2 特征向量设计 | 第37-38页 |
| 4.3.3 押注策略 | 第38-39页 |
| 4.4 基于贝叶斯网络算法的NPC设计 | 第39-45页 |
| 4.4.1 贝叶斯网络算法简介 | 第39-40页 |
| 4.4.2 特征向量设计 | 第40-43页 |
| 4.4.3 押注策略 | 第43页 |
| 4.4.4 贝叶斯网络结构 | 第43-44页 |
| 4.4.5 训练数据拆分对比试验 | 第44-45页 |
| 4.5 实验与分析 | 第45-51页 |
| 4.5.1 参与对比测试的NPC简介 | 第46页 |
| 4.5.2 实验效果对比 | 第46-50页 |
| 4.5.3 实验结果讨论 | 第50-51页 |
| 第五章 基于ACPC平台的对战测试系统设计 | 第51-56页 |
| 5.1 对战测试系统的整体结构 | 第51-53页 |
| 5.2 可视化控制 | 第53-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文的主要工作 | 第56页 |
| 6.2 论文的进一步工作 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 简历与科研成果 | 第63-64页 |
| 致谢 | 第64-65页 |
