原创力文档- 1、本文档共29页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
计算机围棋博弈的最新发展;计算机围棋的最新发展;提纲;使用离线知识提高UCT搜索的效率
不在无效点上落子（例如，自杀）-Mogo
一个棋盘状态就是一个多臂匪徒
过早的终结围棋搜索无法得到有效的盘面评估结果（例如，α-β搜索）
适当的剪枝可减少搜索范围，提高搜索效率
增加模拟时间可以方便地提高总体的评估效果
node[0]:=rootNode;i:=0;
LKocsisandCsSzepesvari.
北邮?九鼎计算机围棋研究所
围棋具有巨大的状态空间复杂度和博弈树复杂度
Expected-outcome:ageneralmodelofstaticevaluation.
Multi-armedBandit的UCB算法;围棋是最具挑战性的计算机博弈;计算机围棋博弈的基本方法;计算机围棋博弈的二大核心困难;巨大的状态空间和博弈树复杂度;不可能的准确静态盘面评估;适当的剪枝可减少搜索范围，提高搜索效率
作为在线机器学习的算法，UCT有其局限性
围棋从本质上无法做准确的静态盘面评估
以大量模拟的期望值来评估该盘面
信心上限算法与信心上限应用树算法
与最优算法的差距不超过对数范围
离线知识在蒙特卡罗树搜索中的使用
优先在关键点上落子（例如，点眼）-Mogo
Multi-armedBandit的UCB算法
使用离线知识提高UCT搜索的效率
计算机围棋博弈的最新发展
Multi-armedBandit问题
蒙特卡罗模拟中加入围棋知识以提高效率
策略P会根据以往的玩的赌博角子机及其回报选择下一次玩的赌博角子机
蒙特卡罗模拟（MonteCarloSimulation）
使用3x3模式–Mogo;计算机围棋博弈的发展;北邮?九鼎计算机围棋研究所
传统计算机围棋博弈技术（1968至2005）
终局结果通过中国围棋规则进行简单评判
通过知识、规则和推理不可能构建高水平的计算机围棋博弈专家系统
UCT算法是UCB算法在树搜索上的应用
更新–把蒙特卡罗模拟的结果更新到搜索过程中博弈树的每个节点上
提前终结搜索依赖于准确的静态盘面评估，而围棋从本质上无法做准确的静态盘面评估
蒙特卡罗模拟中加入围棋知识以提高效率
适当的剪枝可减少搜索范围，提高搜索效率
计算机围棋博弈研究的意义
蒙特卡罗树搜索（MCTS）
模拟–使用知识指导蒙特卡罗模拟
node[0]:=rootNode;i:=0;
MoGo计算机围棋程序使用的UCT算法的???代码
简单的、按正态分布选点进行蒙特卡罗模拟的效率很低
过早的终结围棋搜索无法得到有效的盘面评估结果（例如，α-β搜索）
基于影响函数的形势判断;现代计算机围棋博弈技术;蒙特卡罗模拟;蒙特卡罗模拟的特点;蒙特卡罗模拟的效果与局限性;Multi-armedBandit问题;Multi-armedBandit和计算机围棋博弈;Multi-armedBandit的UCB算法;UCT算法和计算机围棋博弈;UCT算法的伪代码;UCT算法的局限性;蒙特卡罗树搜索（MCTS）;蒙特卡罗树搜索的四个主要组成部分;离线知识在蒙特卡罗树搜索中的使用;基于知识的博弈树扩展;基于知识的蒙特卡罗模拟;;
文档评论（0）