蒙特卡罗方法在计算机围棋中的应用.pdfVIP

o o C 蒙特卡罗方法在计算机 围棋 [ U 卜～ 中的应用 ■文 ／SylvainGelly JoannaJongwane 博弈程序的一般原理 在围棋、跳棋(DAMES)或者黑白棋 (OTHELLO)等等博弈 从抽象的组合策略层面来说，所有的博弈程序都有着 中，我们却通过一种简单的算法就可以在理论上找到最佳 相同的博弈规则。博弈程序建立了一个对应于解析博奔步 策略，即只需要建立包括了所有可能性的 “策略树”就足 骤序列的 “策略树”。在此 “策略树”中，每一节点代表博 够了。该 “策略树”包含了大量的数据，但在实际计算程 弈中的落子点。该 “策略树”代表了所有可能的博弈落子点， 序中，它又不可能包括所有的数据。这一点显示出，为了 以及达到每一落子点的所有可能的方式。 实现这一目标，还需要智能技术的帮助。所有的这些技 术——即为了实现在人工智能方面找寻出大多数的方案的 结果——都有一个共同点，它们没有力图能研究出所有的 可能性，而是仅仅把重点放在战胜对手的博弈步骤上。 UCT，一种树搜索算法 阿尔法一D算法 (Algorithmalpha—beta)被认为是在组 合博弈领域的范例。特别是在国际象棋中被广泛而有效的 图片来源 ：法国国家信息与自动化研究所 应用，该算法认为：着手于研究某些随机的博弈步骤，接 照片提供：克雷斯蒂安·图尼艾尔 下来研究其对应的步骤，如果很显然的对策步骤还不如最 在对所有可能的博弈步骤 “策略树”进行研究后，我 初步骤时，我们就舍弃这种步骤……实施这些被我们称之 们可能找出最好博弈步骤，即如果我们采取这一博弈步骤 为步骤的东西：减少这种分支因素，也就是说子节点的数 时，对手没有任何方式来阻止我们获得博弈的胜利，而不 论对手在博弈中的怎么做。我们可以计算出我们应采取的 Max 博弈步骤直到博弈结束，从而找出那些最优的博弈步骤。 ． 这也就是我们称之为最大最小策略。为什么是最大最小策 Mm 觚 略呢?简单的说，这是因为博弈方X寻找最优的博弈步骤， 他的对家Y试图阻止他去实现这些最优步骤。从X方的角 度来说，Y方只能采用最差的博弈步骤。换句话说，我们 也可以说其对手Y方被抑制发挥到极小 (最差)时，而X 方可以发挥到极大(最好)。这当然是博弈希望达到的目标， 这是一个最理想的结果。但有时，这不是最好的选择。 在莫戈程序 (MOGO)和大多数的围棋 (GO)博弈 中，我们总是试图能够实现这种最大最小的理想效果。对