發(fā)布時間：2020-12-13 17:33

　　行為是生命體外在的表現(xiàn)形式,是生命體內(nèi)在智能的外部表象,Tyrell認為:“行為選擇就是從一組可能的候選集中選擇最適合的行為�！币虼�,行為選擇是生命體智能的高級形式。行為選擇問題是人工生命研究領(lǐng)域的一個核心問題,人工生命是人工智能的發(fā)展,人工生命作為信息科學(xué)、生命科學(xué)、系統(tǒng)科學(xué)等學(xué)科的交叉學(xué)科,它不是用分析、解剖生命體的方法來理解生命,而是用綜合的方法來理解生命,強調(diào)系統(tǒng)性和整體性。此外,計算機博弈過程,本質(zhì)上就是一個對抗性極強的、智能程度高的博弈行為的選擇過程,因此,將基于計算機博弈系統(tǒng)的博弈機器人作為人工生命體,并利用人工智能方法來研究智能系統(tǒng)是可行的,也具有重要研究意義。模仿人類的博弈行為選擇過程,本文將博弈機器人劃分為“大腦”、“視覺”、“記憶”、“控制”等4個部分,文章所依托的科研項目的最終目標(biāo)是構(gòu)造一個在物理棋盤上與人類對弈的博弈機器人,本文的主要工作是設(shè)計“大腦”。論文主要研究了以下4個方面的問題:第一、設(shè)計實現(xiàn)了一套博弈系統(tǒng),包括棋盤和棋子在計算機中的表示問題,走法生成,搜索技術(shù),估值函數(shù)等。第二、針對基于棋形的六子棋博弈系統(tǒng)中,棋形難以判斷和統(tǒng)計的問題,提出并規(guī)范了“... 

【文章來源】：重慶理工大學(xué)重慶市

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 引言
    1.2 課題的學(xué)術(shù)意義
        1.2.1 人工生命體及其行為選擇的研究價值
        1.2.2 機器博弈的研究意義
        1.2.3 六子棋博弈的研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 人工生命行為選擇的研究現(xiàn)狀
        1.3.2 機器博弈的研究現(xiàn)狀
        1.3.3 智能算法的研究現(xiàn)狀
    1.4 本文研究的主要內(nèi)容
2 六子棋機器博弈平臺的搭建
    2.1 背景
        2.1.1 六子棋的基本規(guī)則
        2.1.2 六子棋的復(fù)雜度
        2.1.3 六子棋的發(fā)展展望
    2.2 人-機界面
    2.3 棋盤表示與狀態(tài)分析
    2.4 走法產(chǎn)生
        2.4.1 如何產(chǎn)生
        2.4.2 逐個生成VS 全部生成
    2.5 博弈搜索引擎
        2.5.1 博弈樹
        2.5.2 極大極小搜索算法
        2.5.3 負極大值搜索
        2.5.4 alpha-beta 裁減
    2.6 棋局評估函數(shù)
    2.7 六子棋機器博弈策略框架
3 基于“路”的六子棋機器博弈策略
    3.1 完全信息博弈與不完全信息博弈
        3.1.1 完全信息博弈
        3.1.2 不完全信息博弈
    3.2 基于棋形的缺陷
    3.3 “路”的定義
    3.4 基于“路”的評估函數(shù)
    3.5 基于“路”的博弈策略
4 基于遺傳算法評估函數(shù)的構(gòu)造
    4.1 評估函數(shù)參數(shù)優(yōu)化問題
        4.1.1 評估函數(shù)參數(shù)設(shè)置問題
        4.1.2 評估函數(shù)參數(shù)設(shè)置的2 種方法
    4.2 基本遺傳算法
        4.2.1 遺傳算法的基本思想
        4.2.2 遺傳算法的基本流程
        4.2.3 遺傳算法的特點
    4.3 改進的遺傳算法
    4.4 遺傳算法應(yīng)用于評估函數(shù)
        4.4.1 編碼
        4.4.2 適應(yīng)度函數(shù)的計算
        4.4.3 選擇算子
        4.4.4 交叉算子
        4.4.5 變異算子
    4.5 遺傳算法優(yōu)化評估函數(shù)的實驗結(jié)果及分析
        4.5.1 算法收斂性實驗與分析
        4.5.2 優(yōu)化效果的實驗與分析
    4.6 小結(jié)
5 基于微粒群算法評估函數(shù)的構(gòu)造
    5.1 微粒群算法及其應(yīng)用改造
        5.1.1 微粒群算法與人工生命
        5.1.2 標(biāo)準(zhǔn)微粒群算法
        5.1.3 微粒群算法的改進
    5.2 評估函數(shù)及其應(yīng)用改進
    5.3 微粒群算法的實施
    5.4 實施結(jié)果的評估
        5.4.1 優(yōu)化效果的實驗與分析
        5.4.2 PSO 與 GA 對比實驗的結(jié)果與分析
    5.5 小結(jié)
6 結(jié)論與展望
    6.1 研究工作小結(jié)
    6.2 存在的問題與不足
致謝
參考文獻
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果


【參考文獻】：
期刊論文
[1]遺傳算法綜述[J]. 沈大旺,張慧.  黑龍江科技信息. 2009(28)
[2]一種動態(tài)改變慣性權(quán)重的自適應(yīng)粒子群算法[J]. 任子暉,王堅.  計算機科學(xué). 2009(02)
[3]基于遺傳算法的六子棋博弈評估函數(shù)參數(shù)優(yōu)化[J]. 李果.  西南大學(xué)學(xué)報(自然科學(xué)版). 2007(11)
[4]基于粒子群算法的足球機器人動作選擇研究[J]. 劉釗,陳建勛.  武漢科技大學(xué)學(xué)報(自然科學(xué)版). 2006(01)
[5]中國象棋計算機博弈系統(tǒng)評估函數(shù)的自適應(yīng)遺傳算法實現(xiàn)[J]. 王驕,王濤,羅艷紅,徐心和.  東北大學(xué)學(xué)報. 2005(10)
[6]基于量子遺傳算法的二維最大熵圖像分割[J]. 周露芳,古樂野.  計算機應(yīng)用. 2005(08)
[7]混沌遺傳算法及其在函數(shù)優(yōu)化中的應(yīng)用[J]. 周曉,胡以華,陳修橋,趙海燕.  計算機與數(shù)字工程. 2005(07)
[8]免疫遺傳算法及其應(yīng)用研究[J]. 呂軍,馮博琴,李波.  微電子學(xué)與計算機. 2005(06)
[9]人工生命體行為選擇及其進化研究[J]. 李祖樞,謝汝林,張小川,邵桂芳.  模式識別與人工智能. 2005(03)
[10]基于模擬退火遺傳算法的關(guān)聯(lián)規(guī)則挖掘[J]. 武兆慧,張桂娟,劉希玉.  計算機應(yīng)用. 2005(05)



本文編號：2914912