基于CNN模型的亚马逊棋搜索算法设计

• 作者: 李若溪 高铭
• 来源期刊: 数字技术与应用
• 学科: 数学
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 设计开发
• 页码范围: 164-166
• 页数: 3页
• 分类号: O225
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2022.02.54

摘要

亚马逊棋AI搜索算法包括蒙特卡洛搜索算法、改进后的α-β剪枝算法,极大极小搜素算法,经检验发现蒙特卡洛搜索算法取得较好的成果,但原有的搜索算法由于搜索的博弈树层数为固定值,会产生超时或搜索层数过少造成搜索不完全的问题,尝试使用CNN模型优化原有的亚马逊棋搜索算法.设计一个基于CNN模型的优化器,该优化器将当前棋盘的权值作为输入层,进行三层卷积,输出层为当前局面下的最优层数.在同等计算力条件下,采用蒙特卡洛与α-β剪枝算法,令采用CNN模型优化后的搜索算法与固定搜索层数的算法进行对弈,前者的不败率为73.4％.经过实验,发现通过CNN模型自动生成搜索层数的算法对胜率产生了较好的影响.