信息安全技术研究中心年汇报-与非网-EEFOCUS.PPT

时序差分学习在非完备信息机器博弈中的应用 王轩 许朝阳 哈尔滨工业大学深圳研究生院 智能计算中心 2007.10.3 主要内容 非完备信息博弈简介 1 2 时序差分在四国军旗中的应用 3 时序差分学习算法介绍 非完备信息博弈 完备信息博弈（Perfect Information Game ）: 中国象棋； 围棋； … 非完备信息博弈（Imperfect Information Game ）: 四国军棋； 牌类游戏：红心大战，拱猪…. …. 非完备信息博弈树 菱形表示随机节点 四国军旗游戏 蒙特卡罗抽样 根据前面的走步来更新棋子的概率表； 根据更新后的棋子概率表，为棋盘上的 每个棋子随机选择棋子的种类，得到一个 完备信息棋局； 对该完备信息棋局进行MaxMin博弈树搜索， 找到一个最佳走步； 多次重复上述过程，选择选中次数最多的走步 作为最终的最佳走步； 概率表的建立 根据112个经典布局来设定各个棋子的概率表； 根据走步结果来修改棋子的概率表； 为棋盘上的每个棋子都建立各自的概率表； 主要内容 非完备信息博弈简介 1 2 时序差分在四国军旗中的应用 3 时序差分学习算法介绍 时序差分学习