基于MCTS和卷积神经网络的五子棋策略研究

• 作者: 杨淞文 欧俊臣 沙玲
• 来源期刊: 软件
• 学科: 工学
• 关键词: 五子棋 卷积神经网络 MCTS
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 160-164
• 页数: 5页
• 分类号: TP183
• 字数: 2738字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2020.04.034

摘要

随着AlphaGo的诞生,人机对弈和人工智能再次成为研究热点.传统的MCTS(蒙特卡洛树搜索)虽然在迭代搜索方面已有良好的成效,但由于五子棋搜索空间较大,算法极易陷入局部最优化问题,且耗时严重.我们用MCTS和卷积神经网络上设计的策略系统,让其与MCTS进行训练(self-play),使五子棋的策略系统能在一定时间内对自身进行升级,然后又回来继续训练自身,这样得到的五子棋策略系统不仅比传统的MCTS更具有即时性,棋力也更强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沙玲	上海工程技术大学机械与汽车工程学院	25	59	4.0	6.0
2	欧俊臣	上海工程技术大学机械与汽车工程学院	4	1	1.0	1.0
3	杨淞文	上海工程技术大学机械与汽车工程学院	3	1	1.0	1.0