一种基于无监督学习的博弈算法设计

发布时间：2022-02-20 19:46

　　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。 

【文章来源】：新技术新工艺. 2020,(04)

【文章页数】：4 页

【文章目录】：
1 算法背景
    1.1 计算机跳棋的智能算法
    1.2 无监督学习
2 跳棋场景中的无监督学习算法设计
    2.1 基本框架
    2.2 价值网络的K-means特征提取
3 试验与分析
    3.1 模式提取结果
    3.2 结果讨论
4 结语



本文编号：3635701