MathorCp竞赛优秀论文基于MonteCarlo局面评估和UCT博弈树搜索的2048.docVIP

评委一评分，签名及备注 队号： 10302 评委三评分，签名及备注 评委二评分，签名及备注 选题： A:2048 评委四评分，签名及备注 题目：基于Monte Carlo局面评估和UCT博弈树搜索的2048 摘要 本文首先提出Random-Max-Trees算法来实现的2048。此算法是但是在实现的过程中出现冗余的现象，-Trees算法效率降低。随后-Trees一样，效率非常低，也失去Alpha-Beta的优势，也无法试图通过面的搜索来弥补策略上的不足。 本文采用蒙特卡洛评估对以上模型进行了改进。它通过对当前局面下的每个的可选点进行大量的模拟来得出相应的胜负的统计特性，在简单情况下，胜率较高的点就可以认为是较好的点予以选择。由于UCT算法能不断根据之前的结果调整策略，选择优先评估哪一个可下点。所以在蒙特卡洛德基础上运用UCT算法提高收敛速度。可求得概率为100%。 对于第二问，采用归纳法以及概率论量化数值，当方格为时，最大能达到，如果将方格扩展到个，能达到的最大数为。最后对模型进行评价。 以及MATLAB实现。 关键字：Random-Max-Trees；Alpha-beta Carlo； 基于Monte Carlo局面评估和UCT博弈树搜索最近一款非常火爆的益智游戏，很多网友自称“一旦玩上它就根本停不下来”。2