不平衡分類器博弈模型及其在中國象棋中的應(yīng)用.pdf

1、計算機博弈是人工智能領(lǐng)域里的熱點研究課題。傳統(tǒng)計算機博弈模型使用極大極小搜索與評估函數(shù)相結(jié)合的方式，棋力高低依賴于搜索的深度。在計算性能較低的平臺上搜索深度加深會延長行棋的反應(yīng)時間。
　　 本文提出了一種應(yīng)用不平衡學(xué)習(xí)技術(shù)使用專家譜訓(xùn)練分類器的機器博弈解決方案。它使用分類器模型對中國象棋的策略進行建模，將每一步行棋時所有可行的招法看作是分類器的輸入，而分類器的輸出則是對不同招法的評判。在行棋時選擇其中評判較高的招法。因此該模型的

2、反應(yīng)速度較快，只相當(dāng)于傳統(tǒng)博弈樹一層搜索的時間。分類器博弈模型中所使用的分類器通過機器學(xué)習(xí)的方法獲得。在訓(xùn)練分類器時，首先從專家棋譜中抽取訓(xùn)練數(shù)據(jù)并制定類標(biāo)。通過對訓(xùn)練數(shù)據(jù)的分布進行分析，發(fā)現(xiàn)該數(shù)據(jù)集是類別不平衡的。因此，在訓(xùn)練分類器時使用了不平衡學(xué)習(xí)的理論和技術(shù)。這種技術(shù)的引入使得分類器模型有了更強的學(xué)習(xí)能力，而且對于不同的局面可以單獨訓(xùn)練分類器，增強了系統(tǒng)的靈活性。
　　 在本文的實驗中采用了在中國象棋評估函數(shù)中常用的神經(jīng)網(wǎng)