基于机器学习技术的象棋末局评估.ppt

基于机器学习技术的象棋残局评判 博弈小组：郭峰 导语 这次报告的主要目的就是向大家介绍一种基于机器学习的残局评判方法，及其在机器博弈中的应用。请各位老师对我们的这种的方法进行评价，指导我们下一步的工作。 什么是残局？ 残局是一盘棋最后的决胜阶段，此时双方子力所剩无几，对于绝大多数的残局中可胜的棋则必胜，可和的棋则必和。因此从局势分析行棋的计算等方面就要比开局，中局简单得多，相应的规律性也就更强一些。 一个例子 残局库在博弈中的应用 残局库是指由每一个残局的局面及其对应的解法构成一个库。 在机器博弈的过程中，将残局建成库，如果我们现在的局面与残局库中的一个局面匹配，就调用残局库中的走法。 其实这种策略是机械学习 可行吗？ 1 残局空间巨大，难以采集； 2 残局的着法未必正确 3 内存消耗巨大 4 查询时间消耗巨大 基于机器学习的残局判断 通过一些能够判断胜负的棋局实例来学习到一个分类器，对于将来出现的某个局面由分类器给出这个局面结局的判断。 样例的原始空间 每一个样例由当前局面（9*10的矩阵） 执子方 抽取的特征 执子方 双方的棋子 棋子的位置 棋子的价值（需考虑考虑棋子的价值及其受到威胁，保护和灵活度） 棋子的配合 类别 胜、负、和、难以判断 在机器博弈中的应用 在机器博弈的过程中，如果搜索树的某个节点是一个残局，我们就调用分类器对这个残局给出一个判别，进而对评估函数有一个改进。 对基于评估函数的改进 如果是胜，就给一个比较高的估值 如果是负，就给一个比较低的估值 如果是和，就给出一个介于二者之间的结果 如果是难以判断，仍然采用估值函数的结果 一个小实验 我们构造了一个简单的分类器，通过24个局面的学习，对32个未知的局面进行了判断，结果显示我们的分类器有90%以上的正确率 下一步工作 建一个残局库（包含残局和人工评判结果） 构造一个分类器 应用到机器博弈系统中 * * 红方执子：1，黑方：-1 同评估函数进行对比 基于局面评估的搜索往往选择评估值比较大局面作为选择的方向。然而现有的评估函数往往不能给出一个很好的结果，导致错误。一个例子 采用评估函数的搜索往往要搜索到最后的结局，搜索层数比较深，时间开销比较大 一个残局的例子 基于原始的评估函数的走法 基于采用了机器学习技术的评估函数的走法 选择什么样的分类器? 判别时间短 能够处理符号性数据 能够处理高维数据 可解释 训练精度要高 Question or Suggestion