2026《围棋博弈基础理论与方法综述》3100字.docxVIP

PAGE

PAGE31

围棋博弈基础理论与方法综述

目录

TOC\o1-3\h\u5438围棋博弈基础理论与方法综述 1

206191.1围棋博弈基础知识 1

285801.1.1围棋起源与规则 1

320751.1.2围棋的复杂度 1

147641.2基本树搜索理论 2

87001.2.1极小-极大搜索 2

267241.2.2α-β剪枝搜索 3

204971.3蒙特卡洛树搜索与围棋 4

321431.3.1简单蒙特卡洛方法 4

184221.3.2蒙特卡洛树搜索（MCTS） 4

119841.3.3MCTS应用于围棋 5

围棋博弈基础知识

围棋起源与规则

围棋是一种二人棋类游戏，相传由五千年前我国的黄帝所创。后来传入东亚各国和欧美地区。围棋使用方形棋盘及黑白两种颜色的圆形棋子进行游戏，棋盘被横纵19条线段（正式比赛多为19*19的棋盘，也有9路、13路和21路围棋）分成361个交叉点，在交叉点上落棋，双方交替走棋，当一个交叉点或一条棋链最外围都被对方的棋子包围则为死棋，落子后除非为死棋（从棋盘上清除）否则不能移动，最后以围地多者为胜。因为黑方先行有优先布局的优势，因此人为规定黑方在棋局结束时要给白方贴目（即黑方减去一些领地进行胜负结算），我国的贴目数为7.5目，日本为6.5目。

围棋的复杂度

围棋长期以来被成为人类博弈智慧的巅峰，在于其博弈过程变化多端、非常复杂，需要庞大地计算量对棋局进行评估。仅从结果论讲，一盘棋的结果为3的361次方，而其中蕴含的打劫吃子等手段，使得棋局变化更加复杂，而宇宙原子总数也仅仅约为10的80次方，相比之下围棋的变化远超宇宙原子总数，所以以穷举法算尽围棋的规则以达到攻克围棋的目的是非常困难的REF_Re\r\h[2]。下表为三种棋类的复杂度对比如表2.1所示：

表2.1棋类游戏复杂度表

游戏

围棋

井字棋

国际象棋

State-spaceComplexity

3

10

10

Game-treeSize

361!≈

9!

10

Game-treeComplexity

250

10

10

基本树搜索理论

极小-极大搜索

极小-极大搜索方法是博弈树搜索的基本方法。首先需要设计一个评价函数对棋局进行局面评估。在博弈过程中，我们总是希望自己落子时候能够对己方利益最大化，而敌方落子时总是落在对我们最不利的位置，极小-极大搜索算法便是根据这个思想设计而来。

极小-极大搜索的具体过程如下所示，附图2.1：

1、轮到我方落子时，搜索一定深度内棋局的所有状态，计算所有叶节点下的棋局评估得分。然后从最深一层的节点开始逆向计算；

2、对于我方的落子点，选择子节点中的最大值；

3、对于对方的落子点，选择子节点中的最小值；

4、循环2、3过程直至得出根节点的值，根节点取值的分枝为当前的最佳走法。

图2.1极小-极大搜索过程

极小-极大搜索是一种假设对手每次回应都如预料的情况下，从中找出对我方最有利的行棋步骤的搜索方法。但实际博弈过程中对手往往不会如我们所预测的步骤行棋，所以在使用极小-极大搜索算法时，不管设定的搜索深度是多少，只适用于当前一步棋的行棋选择，再次轮到我方行棋时，需要重新对棋局进行搜索，来重新决定下一步棋如何走。

对于棋局较小的游戏（如井字棋）而言，计算机使用极小-极大算法遍历所有可能会非常方便，但对于国际象棋或围棋这种局面复杂的游戏而言，棋局本身的复杂度都是宇宙级别的，并且通过极小-极大搜索生成的博弈树将会非常庞大，通过极小极大值搜索将会是一个非常漫长的过程，所以要在复杂的棋类游戏中进行树搜索，需要一种策略来减少树的部分，这种减少搜索树大小的策略称之为剪枝。

α-β剪枝搜索

Alpha-beta剪枝是一种降低极小-极大算法搜索树大小的搜索算法。该算法核心为：评估出某策略的后续走法比之前策略的还差时，不再计算该策略的后续。该算法和极小-极大算法所得结论相同，但搜索时规避了不具搜索价值的分枝。

Alpha-eta剪枝建立在两个基础上：

1、整个博弈过程属于零和博弈，即一方的收益必然对应着另一方的损失；

2、每一方在行动时总会选择使自己利益最大化的决策。

在上述前提下，α-β剪枝算法的核心思想就是：有一个选择A和选择B，在得知B选择不如A选择好，那么就不需要再考虑B选择的具体情况。

以2.2.1中的树形结构图为基础，进行剪枝的过程如图2.2所示：

1、对于红色方的第一个分支的5和1，选择对自己最有利的5，并向前回溯，存入上一层的节点中；

2、对于蓝色方而言，选择对自己最有利的，所以以目前的搜索情况看，需要选择小于等于5的节点；

3、红色方继续搜索下一分支，发现有