智能算法在剪刀石头布游戏中的应用.docVIP

PAGE  PAGE 7 智能算法在剪刀石头布游戏中的应用 　　摘要：石头剪子布游戏作为猜拳游戏的一种，用来产生随机结果以作决策。但有时它并不随机，因为游戏者可以根据经验，判断对手的手法。将此应用于人机对战中，计算机根据“经验”来模拟人类出拳策略，使计算机具备一定的人工智能性[1]。文章通过对遗传算法和模拟退火算法的研究[2]，阐述了算法的基本原理和各自特点及其实现过程，在Visual Studio编译环境下实现了应用于该游戏的这两种算法。通过两算法之间的相应参数和各自算法中不同参数的游戏胜率对比来选定更优的智能算法与设置更优的参数[3]。 　　Abstract： The game rock-paper-scissors as a kind of finger-guessing game used to produce random results for decision making. But sometimes it is not random， because players can judge technique according to experience. Applied it to the war machine and according to the experience of computer to simulate human’s strategy， make a computer with artificial intelligence. For the research of genetic algorithm and simulated annealing algorithm in this paper， it elaborates the fundamentals and characters as well as their realization process， I have been realized these two algorithms in the Visual Studio compiling environment and applied to the game rock-paper-scissors. By comparing the different parameters and win rates between genetic algorithm and simulated annealing algorithm to select the better algorithm and parameters. 　　关键词：遗传算法；模拟退火算法；游戏设计；参数设定 　　Key words： genetic algorithm （GA）；simulated annealing（SA）；game design；parameter setting 　　中图分类号：TP18 文献标识码：A 文章编号：1006-4311（2016）02-0169-03 　　0 引言 　　石头剪刀布游戏常在两个或多个玩家进行，将石头剪刀布游戏应用于人机对战中，电脑可以根据玩家和电脑过去的出拳策略，总结一定的“经验”――我们可以据此“经验”来提高电脑在游戏中的胜率，展现计算机在此应用上的人工智能性。 　　遗传算法、模拟退火算法和神经网络算法是最优化理论的三大非经典算法[4]，但是神经网络算法在解决最优化问题中容易陷入局部极值，本文选择采用遗传算法和模拟退火算法模拟解决最优化问题。 　　遗传算法（Genetic Algorithm-GA）是基于自然界生物进化过程提出的一种全局随机搜索优化算法，具有较强的全局搜索能力，可以有效的避免局部最优解[5]。模拟退火算法（simulated Annealing-SA）是基于Mon-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质退火过程与一般组合优化问题之间的相似性，是一种通用的优化算法，算法理论上具有概率的全局优化性能，算法通过赋予搜索过程一种时变并且最终趋于零的概率突跳性；从而可以有效地避免陷入局部极小并最终趋于全局最优的串行结构的优化算法[6]。 　　1 定义游戏问题模型 　　1.1 游戏规则 　　石头剪子布游戏有一般在两个玩家之间进行，玩家从三种出拳类型中选择一种与对方进行对战，根据游戏规则来确定胜负情况。玩家A、B间的游戏规则如表1所示。 　　1.2 用智能算法设计游戏的出拳策略 　　游戏的三种出拳类型：“剪子”，“石头”，“布”分别用0，1，2来表示，用R={0，1，2}来表示出拳类型的集合。游戏的读取深度（表示根据电脑和人类玩家过去的对战次数来决定电脑的下次出拳）为depth，那么