全局游戏策略中基于经验的学习方法

• 作者: 宋骁健
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 全局游戏策略 人工智能 强化学习
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 253-256,275
• 分类号: TP181
• 字数: 4948字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2012.01.071

摘要

全局游戏策略GGP( General Game Playing)旨在开发一种没有游戏经验支撑下能够精通各类游戏的人工智能.在原有强化学习算法研究的基础上,提出一种基于经验的简化学习方法,通过对游戏状态的筛选和游戏经验的归纳,从而降低决策对经验数 .量的需求,提高决策效率,并能达到指定胜利、平局或失败的游戏目标.通过在三种不同的游戏规则下与玩家进行游戏比赛实验表明,该学习方法能有效地达到预期结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋骁健	杭州电子科技大学智能与软件技术研究所	1	2	1.0	1.0