基于遗传算法的六子棋博弈评估函数参数优化.pdfVIP

( ) 第 29 卷第 11 期 　　　　　　　　　西 南 大 学 学 报 自然科学版 　　　　　　　　　　　2007年11月 Vol29 　No 11 J our nal of So ut hwe st U niver sit y (N at ural Science Edition) Nov 　2007 ( ) 文章编号 : 2007 110 13805 基于遗传算法的六子棋博弈 评估函数参数优化① 李 　果 重庆大学 自动化学院 , 重庆 400044 摘要 : 将博弈问题分解为搜索引擎 、走法生成 、评估函数和开局库 4 大模块 , 再将 自适应遗传算法引入到评估函 数中 , 并通过锦标赛算法对评估函数中的参数组合进行 自动调整和优化 , 设计并开发出基于上述方法的离线 自 学习系统. 关 　键 　词 : 六子棋计算机博弈 ; 博弈树 ; 评估函数 ; 锦标赛算法 ; 遗传算法 中图分类号 : TP11 文献标识码 : A [ 1] 计算机博弈 是人工智能领域一个极其重要且极具挑战性的研究方向 , 而棋类游戏则是计算机博弈的 一个标准性问题. 各种搜索算法 、模式识别及智能方法在计算机博弈中都可以得到广泛的应用. 目前 , 五子棋 、中国象棋等棋类游戏的计算机博弈算法研究已相对成熟 , 六子棋作为一个刚刚兴起不 久的棋类游戏 , 其计算机博弈算法的研究还相对较少. 由于六子棋的特殊性 , 每次一方走下两颗棋子 , 其 140 ( ) 172 gamet ree 的复杂度可达 10 按 30 手计算 , 远大于五子棋 , 其 st at esp ace 复杂度可达 10 , 与围棋相 当. 为此 , 有必要对六子棋的计算机博弈算法展开更加深入的研究 , 以促进六子棋运动以及计算机博弈的 更进一步发展. 六子棋计算机博弈可以分解为 4 个主要部分 : 搜索引擎 、走法生成 、评估函数和开局库. 评估函数是模式识别和智能算法应用最为广泛的领域. 不管多么复杂的评估函数 , 都可以表示为一个 多项式. 评估函数一般来说必须包括 5 个方面的要素 , 分别是固定子力值 、棋子位置值 、棋子灵活度值 、威 胁与保护值 、动态调整值. 每一方面的值又由许多参数值构成的. 即使最简单的评估函数也有 20 多个参 ( ) 数 , 将这些值线性地组合在一起得到最终的评估值. 由于六子棋无子与子的差别 对于某一方 , 其评估函 数只跟当前棋子的位置以及其周边棋子的位置状态有关 , 是以上所述 5 要素的一个子集 , 因而可以得到简 化. 但评估函数的确定通常依赖于编程者的棋类知识 , 这就带来很大的局限性 , 通过手动调整其参数很难 达到全局最优. 为了解决这个参数优化的问题 , 在六子棋计算机博弈领域引入了遗传算法. 通过离线自学习训练得到 其评估函数的最佳参数组合. 1 　六子棋的常见棋型及其状态演变的计算机描述 要把遗传算法引入到六子棋的评估函数 , 必须深入了解六子棋的一些常用基本棋型以便对六子棋的常 ① 收稿 日期 : ( ) 作者简介 : 李 　果 1981 , 男 , 重庆人 , 硕士研究生 , 主要从事模式识别与智能系统的研究.