检索结果-南通市图书馆

作者：陈磊北京邮电大学

学位级别：硕士

本文首先介绍了国内外计算机博弈的研究简史和研究意义,计算机围棋博弈领域的研究现状和难点;然后介绍了近年来,在计算机围棋领域研究中,与知识相关的主要技术等。进而,阐述了知识在计算机围棋引擎中的巨大指导作用,对围棋领域的基本知... 详细信息

本文首先介绍了国内外计算机博弈的研究简史和研究意义,计算机围棋博弈领域的研究现状和难点;然后介绍了近年来,在计算机围棋领域研究中,与知识相关的主要技术等。进而,阐述了知识在计算机围棋引擎中的巨大指导作用,对围棋领域的基本知识包括规则、围棋概念术语进行了概述;并对概念术语进行了分类概括总结,引出了围棋领域概念术语之间的关系关联,阐述了计算机围棋概念网的本质。接着,对于计算机围棋概念网中概念如何进行表示、概念之间如何进行组织以及概念网的构建步骤进行了详细的分析和设计。然后,实现了构建计算机围棋概念网过程中的一些必备工具,包括一个web版本的B／S架构的围棋术语在线收集系统的概要分析、技术架构和详细实现;Java Swing实现的概念术语图形化展示客户端的分析、设计以及实现;并对在概念网构建过程中可能出现的问题进行了分析,从而给出了一些可行的解决方案。最后,实现了概念网在计算机围棋引擎中的应用。前期准备包括计算机围棋基础类的设计与实现;SGF格式棋谱文件的分析与解析;概念术语在计算机围棋引擎中的表达方式,包括程序片段表达法和模式编码表达法。实现了在计算机围棋引擎中,对当前盘面的术语识别功能;将概念网中的知识应用到蒙特卡洛模拟中,提升了计算机围棋的水平;进行了计算机围棋棋境的分析,启发计算机围棋进行相应的策略应对。具体说来,本文完成的主要工作与创新点包括以下几个方面：1.将概念网应用到计算机围棋领域,并针对围棋特定的知识领域,对其进行了详细的分析、设计与实现。2.通过计算机围棋概念网,使得计算机围棋引擎能够识别当前盘面的一些知识。3.将概念网应用到蒙特卡洛模拟过程中,提升了计算机围棋的博弈水平。4.研究了计算机围棋的棋境分析,从而引出相关的应对策略,来启发计算机围棋,使其行棋更有目的性。5.在构建与应用过程中,创建了一些实用的辅助工具,对于计算机围棋引擎的提高有一定的帮助。

关键词：计算机围棋概念网模式术语识别棋境分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机围棋中落子预测与死活问题的研究

计算机围棋中落子预测与死活问题的研究

作者：高春生昆明理工大学

学位级别：硕士

计算机围棋一直以来都是计算机博弈和人工智能领域关注的焦点。计算机围棋虽然规则简单,但其棋面变化多端,也由此造成了计算机围棋博弈的高复杂度,纯粹地靠暴力搜索去计算围棋的落子点是现代计算机根本无法完成的任务,因此必须引入人工... 详细信息

计算机围棋一直以来都是计算机博弈和人工智能领域关注的焦点。计算机围棋虽然规则简单,但其棋面变化多端,也由此造成了计算机围棋博弈的高复杂度,纯粹地靠暴力搜索去计算围棋的落子点是现代计算机根本无法完成的任务,因此必须引入人工智能的方法去解决这一问题。从计算机围棋研究至今,大量的人工智能算法应用于计算机围棋,例如模式匹配、UCT算法、神经网络、K-means算法等机器学习的算法都在不同程度上促进了计算机围棋研究的不断发展。在9*9大小的棋盘上,经过海内外学者的不断研究,计算机围棋水平已经达到职业棋手的棋力水平,但通常在大型的正式比赛中,围棋棋盘大小多采用的是19*19大小的棋盘,在19*19大小的棋盘上,计算机围棋的棋力也已经达到专业棋手水平。本文主要通过最大熵算法对19*19大小的棋盘上的落子预测进行研究以及通过UCT算法对围棋死活题的求解进行研究,本文主要内容如下:1)对计算机围棋进行简单介绍,引出本文的主要研究工作以及解决方案,为研究工作的开展做出相应的准备。2)本文采用最大熵算法和 OWL-QN(Orthant Wise Limited-memory Quas i-Newton)算法对计算机围棋落子进行预测,通过使用不同大小的模式模板对棋盘进行模式匹配,为每个提取到的模式使用Zobrist哈希进行编码,通过最大熵算法和OWL-QN算法对提取到的模式数据进行训练得到模型,然后使用该模型在测试数据上进行测试。实验表明在500个棋谱上获得20.58%的正确率,训练所采用的时间和空间性能上均有很大的提升。3)在围棋死活问题的求解上,传统的求解只能处理封闭边界的死活题。本文提出了一种开放边界围棋死活题的UCT(Upper Confidence bounds for Trees)求解算法。首先根据给定阈值,通过计算棋盘上每一空点的隶属度来确定搜索区域,然后用包围色的搜索区域比被包围色大一圈的特殊UCT算法求解给定开放边界死活题。实验表明,该算法能够在不使用围棋专有知识,不添加额外棋子的条件下,正确求解《李昌镐精讲围棋死活》第一卷中全部123道死活题中的101道,正确率为82.1%,并且大部分死活题都能在较宽的阈值区间里求得正确解,只有一小部分死活题对阈值敏感,其求得正确解的阈值区间较小。

关键词：计算机围棋落子预测模式匹配死活题 UCT算法开放边界

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机围棋中的搜索算法研究

计算机围棋中的搜索算法研究

作者：邓超昆明理工大学

学位级别：硕士

围棋长久以来被认为是人工智能领域的一大挑战,并且为人工智能研究提供一个很好的实验平台。相对于国际象棋的搜索树只有几十个分支系数,围棋在每一步棋的选择上多达几百个,这使得解决围棋问题极其复杂。在MCTS (蒙特卡洛树搜索算法)出... 详细信息

围棋长久以来被认为是人工智能领域的一大挑战,并且为人工智能研究提供一个很好的实验平台。相对于国际象棋的搜索树只有几十个分支系数,围棋在每一步棋的选择上多达几百个,这使得解决围棋问题极其复杂。在MCTS (蒙特卡洛树搜索算法)出现以前,计算机无法战胜业余选手。目前计算机围棋在9×9的小棋盘上已经达到了专业水平,但在19×19的大棋盘上棋力一直很低。虽然很多研究人员对计算机围棋算法的改进都做出了不少尝试,但仍然无法从根本上解决计算机围棋从小棋盘到大棋盘的棋力大幅下降的问题。一种可能的改进是用多个并行的局部UCT(信心上限树搜索算法)搜索来替代全局UCT搜索,以期用同样的计算资源来达到更深的有效搜索深度。本文力图沿着这一研究思路,做一些初步的尝试。本文从围棋死活问题着手探索局部搜索算法的适用性,以及围棋局部求解的复杂度问题。本文的主要内容如下： 1)讨论了计算机围棋领域的历史、研究现状和研究困难。阐述了计算机围棋领域中涉及到的模型、理论及经典搜索算法,分析了各搜索算法的一些特点。论证了改进UCT算法在计算机围棋领域的优越性。 2)提出了封闭域UCT算法的概念,然后通过改写Fuego的全局UCT搜索算法,实现了封闭域UCT搜索算法,并在64个封闭域围棋死活问题上进行了测试,将封闭域UCT算法与GoTools(一种经典的围棋死活求解程序)以及职业棋手解死活题的正确率和速率比较。在较快模式的围棋死活解题过程中,速度和正确率要比GoTools和职业棋手要好。 3)提出了最小迭代次数的概念用以分析搜索时间规模与初始空白点数之间的关系。初步结果表明,封闭域UCT算法能够在不使用任何领域知识的情况下,把给定围棋死活问题的初始分支系数从5-16降低到2.3以下。从正确率和速度两项指标来看,证明封闭域UCT算法在围棋死活问题上具有有效性,另外也反映了多个并行的局部UCT搜索来解决围棋全局搜索问题的研究思路具备可行性。

关键词：计算机围棋搜索算法蒙特卡洛树搜索局部UCT算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机围棋厚势价值量化研究

计算机围棋厚势价值量化研究

作者：郑琪崇南昌航空大学

学位级别：硕士

计算机博弈是人工智能研究的一个重要领域，是检验人工智能发展水平的一个重要方面，而计算机围棋是计算机博弈中极具挑战性的一个分支。如何将厚势价值等模糊量数值化，是计算机围棋研究中的一个重点和难题。本文通过研究围棋棋手的知... 详细信息

计算机博弈是人工智能研究的一个重要领域，是检验人工智能发展水平的一个重要方面，而计算机围棋是计算机博弈中极具挑战性的一个分支。如何将厚势价值等模糊量数值化，是计算机围棋研究中的一个重点和难题。本文通过研究围棋棋手的知识结构、表述形式，并结合相关算法，提出了一系列厚势价值量化问题的解决方案，不但有助于精确计算厚势的价值，更有助于据此准确对棋局形势进行判断，从而提升围棋程序的棋力，促进人工智能的研究、发展，具有重要的创新意义和实用价值。本文主要研究内容和成果如下：(1)提出了两种基于Fence CognitiveAma3模型的参数优化算法。对该模型中的上阈值参数与归一化参数进行优化，实现了Rise Drop优化算法和Bisection优化算法。Rise Drop算法采用遍历方法寻找最优参数组合，根据平均相对误差值的改变情况设置阈值，降低了冗余计算，有效地提高了算法的运行速度;Bisection算法采用划分区间的方法搜寻最优参数组合，根据参数的上下限划定区域，搜寻厚势值的误差率最小的一组参数然后继续划分该区域，直至区间缩小至设定的阈值。实验结果表明两种优化算法在量化厚势价值上都达到了较高的精度。(2)提出了基于A*算法的Thick-Solid厚势价值量化模型。首先针对Strength影响函数能穿透对方棋子阻碍而影响到空点的不足之处，提出了影响值需绕过障碍进行弥散的思想，并采用A*算法来获取棋子到空点的最优路径;然后，设计Radiate影响函数，计算单个棋子对空点的影响值，并构建Thick-Solid模型;最后，采用遗传算法对Thick-Solid模型中的参数进行优化，得到最佳的参数组合。实验结果表明，该模型消除了影响值穿越障碍所造成的误差，进一步提升了厚势价值量化的精度，可以应用于计算机围棋序盘、中盘、收官等模块中，为精确判定棋局形势奠定基础。(3)开发了一个计算机围棋厚势价值量化测试系统ElegantGo，将上述内容整合实现。ElegantGo不但可以准确测试Fence Rise Drop模型、Fence Bisection模型和Thick-Solid模型的运算性能，而且由于能批量读取SGF格式的棋谱文件，避免了手工输入棋谱的繁琐过程，因此极大加快了测试速度。同时，该系统界面友好，能将各项测试结果直观显示，便于研究人员对算法进行相关调试。

关键词：计算机围棋厚势价值量化 A*算法遗传算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机围棋强化学习中的神经网络

计算机围棋强化学习中的神经网络

作者：崔恺旭北京邮电大学

学位级别：硕士

近年来人工智能领域,作为计算机科学领域热门的分支之一,其研究发展迅速,尤其在深度学习领域有了很多重要的发现与成果。围棋作为最古老的策略游戏,因为其庞大的搜索空间和任务复杂度,使得计算机围棋一直以来都是人工智能领域的一个难题... 详细信息

近年来人工智能领域,作为计算机科学领域热门的分支之一,其研究发展迅速,尤其在深度学习领域有了很多重要的发现与成果。围棋作为最古老的策略游戏,因为其庞大的搜索空间和任务复杂度,使得计算机围棋一直以来都是人工智能领域的一个难题,而随着人工智能领域的研究和发展,一直困扰着科学界的计算机围棋问题也逐渐得以解决,DeepMind提出将深度学习应用与计算机围棋,并且与强化学习结合的方法,该方法在计算机围棋领域取得了不错的成绩。但是因为DeepMind的方法需要使用大量的TPU和GPU资源作为计算基础,所以在国内还没有一个成熟的计算机围棋系统。因此如何摆脱TPU和GPU资源的依赖,使用国产的计算资源和深度学习框架,构建一套成熟的计算机围棋深度强化学习系统流程结构,以及其中的深度神经网络模型,成为了国内学者研究的问题。本论文工作研究了深度学习,强化学习,深度强化学习,计算机围棋四者之间的关系,从而设计出一套成熟的计算机深度强化学习系统。根据计算机围棋深度强化学习系统的需求设计出一套流程结构并实现,包括自对弈系统,围棋样本的存储,深度神经网络输入特征的提取与读取,深度神经网络模型结构,深度神经网络模型超参数等。本文主要讲述计算机围棋深度强化学习系统中的流程结构与深度学习部分。本次研究在国产计算节点上使用国产深度学习框架,构建了完整的计算机围棋深度强化学习系统,并且进行了大规模的分布式训练,得到一个有效的计算机围棋模型。

关键词：计算机围棋强化学习深度学习神经网络

基于静态评估的计算机围棋UCT算法改进研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于静态评估的计算机围棋UCT算法改进研究

作者：张玉琪南昌航空大学

学位级别：硕士

计算机博弈是人工智能研究的重要领域之一,棋类博弈又是计算机博弈中的重要分支,目前其他棋类博弈均得到了较圆满的解决,唯有计算机围棋的最高水平还不及人类的初级棋手。围棋是检验人工智能发展水平的试金石,开发出与职业棋手程度相当... 详细信息

计算机博弈是人工智能研究的重要领域之一,棋类博弈又是计算机博弈中的重要分支,目前其他棋类博弈均得到了较圆满的解决,唯有计算机围棋的最高水平还不及人类的初级棋手。围棋是检验人工智能发展水平的试金石,开发出与职业棋手程度相当的计算机围棋程序有助于对人类认知科学的探索。对当前棋局做出准确高效的静态评估不仅有利于棋手判断当前局势,确定攻防着点,引导下一步棋的走向,而且能够指导信心上界树(Upper Confidence bounds applied to Trees,简称为UCT)算法平衡探索与利用。本文提出了一种棋子影响函数,并在此基础上构建了一个量化模型来解决棋局的静态评估问题;然后将静态评估结果与UCT算法相结合,构造出一种UCT剪枝策略。本文所设计的算法可以提高程序的运行效率,从而提升程序棋力,具有一定的理论研究意义与实际应用价值。本文主要研究成果有:(1)设计了一种棋子的影响函数Influ。过去的影响函数通常没有考虑到对方棋子的阻挡问题,从而造成计算影响值时精度较低。本文采用直线和斜线距离相结合的方式来表征棋子到空点的距离,并利用A*算法进行路径寻优,最终获取单个棋子对空点的影响值;(2)基于Influ棋子影响函数,构造Value全局静态评估量化模型。首先,将单个棋子对空点的影响值线性叠加;然后,进行边角调整、阈值规范和归一化操作等处理步骤,获得棋盘上所有空点受到的总的影响值;最后,使用多级种群竞争消亡法优化模型参数,最终得到Value量化模型。实验表明,Value模型的计算结果与职业棋手的判断非常接近,计算精度适用于棋局的序盘和中盘阶段,为后续的剪枝策略奠定了基础;(3)将Value模型获得的静态评估结果与UCT算法相结合,构造剪枝策略Static。利用静态评估值作为节点的评分标准,以此减少搜索深度,从而在单位时间内增加蒙特卡罗模拟次数,并指导搜索偏向有意义的方向。实验表明,Static剪枝策略可以提高搜索效率,进而提升程序的棋力。

关键词：计算机围棋静态评估 UCT算法

GPU高性能运算在计算机围棋博弈系统中的应用研究及实验

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

GPU高性能运算在计算机围棋博弈系统中的应用研究及实验

作者：肖峰北京邮电大学

学位级别：硕士

作为博弈项目,围棋是人脑的高级认知功能的产物,从2006年以来,计算机围棋博弈的相关研究有了跨越性的发展,其核心体现在蒙特卡洛树搜索。而根据蒙特卡洛方法的特点,其单位时间内模拟次数越多,收敛速度就越快。在蒙特卡洛博弈树搜索中,... 详细信息

作为博弈项目,围棋是人脑的高级认知功能的产物,从2006年以来,计算机围棋博弈的相关研究有了跨越性的发展,其核心体现在蒙特卡洛树搜索。而根据蒙特卡洛方法的特点,其单位时间内模拟次数越多,收敛速度就越快。在蒙特卡洛博弈树搜索中,最明显也是最需要并行化处理的地方就是每次模拟的过程,尽管现在单纯CPU的计算能力并不弱,但是现今实验室服务器上8～16个核的现状并没有让收敛速度达到一个很好的位置,而GPU与生俱来就是一种众核并行处理器,在处理单元的数量上远远超过CPU,而且随着CUDA的推出,使用GPU强大计算能力做通用计算的大门被彻底开启了,使得开发者能够在友好的开发环境中充分挖掘GPU的计算能力。这使得我们把GPU的强大计算能力应用于计算机围棋系统中成为了可能。本文提出并实现了一种基于CUDA架构的计算机围棋博弈引擎,该引擎利用GPU的众核并行处理器来处理蒙特卡洛树搜索过程中的模拟过程,加快了蒙特卡洛的收敛速度,达到了提高棋力的目的。本论文最后还利用实验数据对比了原CPU多线程的蒙特卡洛对弈引擎以及新引擎之间的棋力,实验结果强有力的证明了该方法的可行性及有效性。

关键词：计算机围棋蒙特卡洛搜索树 CUDA GPU

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

残差策略网络在计算机围棋的应用研究

残差策略网络在计算机围棋的应用研究

作者：吴修竹北京邮电大学

学位级别：硕士

虽然近年来人工智能技术在各个领域中迅速发展,但是围棋因其自身的复杂度一直以来都是人工智能领域中的难解之题,一直到两三年前,国际学术界仍普遍认为真正解决围棋问题至少需要10到20年的时间。为了解决这一问题,DeepMind公司设计的Alp... 详细信息

虽然近年来人工智能技术在各个领域中迅速发展,但是围棋因其自身的复杂度一直以来都是人工智能领域中的难解之题,一直到两三年前,国际学术界仍普遍认为真正解决围棋问题至少需要10到20年的时间。为了解决这一问题,DeepMind公司设计的AlphaGo计算机围棋将卷积神经网络带入到计算机围棋的问题中,通过该方法AlphaGo战胜了代表围棋职业棋手顶尖水平的李世石九段与柯杰九段,宣告了人类真正在人工智能领域上解决了围棋问题,而如何进一步提高计算机围棋棋力成为学者们继续探索的方向。提高计算机围棋棋力的主要方法是提高计算机围棋中卷积神经网络的正确率,但是随着网络层数加深,卷积神经网络会因为网络过于复杂出现过拟合的情况。前微软研究员何凯明法发明的深度残差网络有效的解决了这一问题,深度残差网络可以极大的增强深度学习网络的表达能力,使其能够轻松的训练高达150层的网络,从而实现网络精度的提高。本文在研究AlphaGo中策略网络模型的基础上,设计了策略网络与深度残差网络相结合的残差策略网络,从而实现计算机围棋棋力的提高。本文首先对AlphaGo中的策略网络模型以及深度残差网络的基本原理进行了研究。其次根据策略网络的要求进行数据收集、整理以及处理的工作,并根据这些数据复现了 AlphaGo的策略网络。之后本在此基础上本文完成了对残差策略网络的数据,并使用相同数据对残差策略网络进行了实现与训练。最终经过实验比较发现,残差策略网络与比原始的策略网络相比具有更高的精度,可以有效的提高计算机围棋的棋力。

关键词：人工智能计算机围棋深度学习策略网络残差网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于WEB3D的计算机围棋游戏客户端开发

基于WEB3D的计算机围棋游戏客户端开发

作者：赵金铎北京邮电大学

学位级别：硕士

围棋起源于中国,是世界上最古老的棋类之一,相传已有四千多年的历史,早在春秋时期就广泛流行。不过从目前情况来看,我国围棋普及虽然取得了一定成效,但是想要可持续发展,国内的围棋培养体系还需要进一步优化和完善。我国虽然职业棋手人... 详细信息

围棋起源于中国,是世界上最古老的棋类之一,相传已有四千多年的历史,早在春秋时期就广泛流行。不过从目前情况来看,我国围棋普及虽然取得了一定成效,但是想要可持续发展,国内的围棋培养体系还需要进一步优化和完善。我国虽然职业棋手人数众多,但是相对于我国人口的比例仍然很低,围棋的普及任务并不轻松。如何在围棋的普及方面不断开拓新方法、新思路,成为业内人士需要考虑的问题。可喜的是,网络在中国普及率越来越高,如果能通过发展网络围棋来提高围棋的普及无疑是一个好方法。本文针对微软推出的新一代图形系统WPF的技术特点,利用WPF技术实现了计算机围棋游戏客户端界面。并且为了达到更好的用户体验,根据需求完成了一些方便用户操作以及可以提高用户体验的功能。研究了管道通信技术,并利用管道通信技术实现了三维界面与引擎的通信,并对管道通信进行了一些封装,使其更适合本项目的需要。GTP即围棋文本协议,是围棋程序间通信的方法,已经为越来越多的程序所采用,包括引擎和客户端。本文分析了GTP协议的使用方法,并在客户端完成了GTP协议的解析,使任何符合GTP协议的引擎都可以使用本客户端程序,以达到良好的用户体验。本文作为笔者在北京邮电大学研究生期间的毕业论文,详细阐述了上述技术的原理以及在本项目中的实际应用,并对重点内容进行了重点讲解。笔者在整个项目开发的过程中,充分运用在北京邮电大学软件学院所学的软件开发知识,独立完成了软件开发的各个阶段工作,包括需求分析,架构设计,编码实现,调试以及部署等过程,成功实现了基于WEB3D的计算机围棋游戏客户端开发,并达到了较好的效果。

关键词： WEB3D 计算机围棋 WPF 管道通信

基于常见棋型的计算机围棋模式识别功能的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于常见棋型的计算机围棋模式识别功能的研究

作者：张毅恒广东工业大学

学位级别：硕士

围棋博弈是人工智能的高度体现，现代人工智能已将它作为重要的研究对象，在计算机围棋的研究当中，模式识别始终是计算机一大缺陷，围棋就是一个高度模式识别的游戏，现在最好的计算机围棋程序只有业余9～10级的水平，因为围棋游戏的... 详细信息

围棋博弈是人工智能的高度体现，现代人工智能已将它作为重要的研究对象，在计算机围棋的研究当中，模式识别始终是计算机一大缺陷，围棋就是一个高度模式识别的游戏，现在最好的计算机围棋程序只有业余9～10级的水平，因为围棋游戏的数学特性，假如没有革命性的算法突破，即使处理器的速度增加上亿倍，也不能达到职业棋手的水平。在计算机围棋程序中，建立模式数据库的目的是为了促进搜索过程。由于传统的计算机围棋程序中每个模式只进行一步的匹配，从而导致模式匹配与着法选择之间存在着漏洞，在参照了大量关于计算机围棋模式匹配文献上，对开局的定式模式使用了对局树格式的模式后着匹配方法。使得计算机在定式阶段，既能够走出不会太吃亏的下法，又能够提高对定式模式匹配的速度。与传统的对每个模式进行简单的逐一的扫描方法不同，在此，尝试使用一种对模式快速搜索的方法，该方法把所有的模式合并到一个DFA结构中，并通过对这个DFA结构使用索引的搜索方法进行搜索，从而大大减少了对模式数据库的搜索的时间。最后结合了开源围棋源码项目Gnugo的着法选择等其他的外部引擎，使得围棋程序的匹配速度变得更快。论文最后对论文本身做了总结，阐述了论文的工作，并指出进一步研究的方向。

关键词：计算机围棋模式匹配 DFA 后着匹配