一种基于无监督学习的博弈算法设计

• 作者: 周珂 王祺
• 来源期刊: 新技术新工艺
• 学科: 工学
• 关键词: 跳棋 机器博弈 无监督学习 K-means
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 设计与计算
• 页码范围: 30-33
• 页数: 4页
• 分类号: TP18
• 字数: 3067字
• 语种: 中文

摘要

随着大数据时代的到来,机器学习受到了广泛的关注.其中,采用智能优化算法的计算机博弈一直是人工智能的热点研究方向.如何使棋类博弈在无人监督的情况下,实现自主识别、优化招法、实时对弈,并不断提升最终胜率,是该领域应重点解决的技术问题.针对棋类博弈这一典型人工智能应用场景,设计了一种基于无监督学习的改进算法,该算法使用α-β搜索树来选择最佳匹配模式,创新性地将特征学习概念应用于图像识别领域.结合跳棋的特点和常用搜索方法,提出了一种基于K-means均值聚类算法的特征和模式学习方法.经过实战对弈训练发现,提出的算法在和传统网络棋盘程序对弈中保持了较高的获胜率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周珂	北京科技大学高等工程师学院	13	38	2.0	6.0
2	王祺		5	14	2.0	3.0