解读AlphaGo背后的人工智能技术

随着人工智能在各个领域的应用,越来越多的问题通过人工智能得到更优的解决,但是围棋因其本身的复杂度一直是人工智能领域的难解之题.AlphaGo团队利用了人工智能中的一个重要分支—深度学习训练了一款围棋人工智能程序,并在2016年3月与职业九段选手李世石的对弈中以4:1的比分获胜,受到了大众的广泛关注.本文介绍了AlphaGo这一程序背后的复杂的网络构造以及不同网络的优缺点.     

基于Android的围棋游戏开发

本文设计实现了基于Android平台的围棋游戏,分别利用SDK、NDK交叉编译工具开发了图形界面和围棋引擎,然后利用Java输入输出流和对GTP协议的解析,完成了图形界面和引擎进程间的通信。经测试,游戏操作简单,棋力优异,具备一定的可玩性。所提出的开发框架对Android棋牌类游戏开发有一定的参考意义。     

比赛评价模型在新闻信息排序中的应用

Bradley—Terry模型是一种简单有效的基于过去比赛信息来预测将来比赛结果的模型。ELO算法某种程度上是Bradley—Terry模型的一种简化,它们已经被应用于很多方向。本文简要介绍这两种算法,并将它们改进应用于新闻标题排序。通过对一组新闻标题数据的测试,发现Bradley—Terry模型虽然拥有较高的准确度,但是在算法执行效率上比ELO算法差了很多。     

UCB策略在Prolog中的应用

Prolog(Programming in Logic)程序语言是一种逻辑程序设计语言.它是在逻辑学理论基础上建立起来的并广泛应用在人工智能研究中.这几十年已经出现了各具特色的Prolog编译器,而且各种编译器也都很成功.虽然在现阶段已经出现了各种版本Prolog编译器,但是Prolog编译器的发展空间还是很大.本文先通过现代Prolog编译器的不足,介绍了新Prolog编译器的特点,然后简单叙述了Prolog编译器词法分析和语法分析的过程,最后介绍了UCB策略.     

基于WinCE应用程序的围棋游戏开发

机器博弈,也称计算机博弈,即让计算机下棋。围棋是一种策略性二人棋类游戏,使用格状棋盘及黑白二色棋子进行对弈。文中计算机围棋游戏引擎的开发采用马尔科夫决策模型,使用人工智能的知识,含有大量计算,整个计算紧密依赖于系统资源,计算量越大,引擎的选点越精确,棋力越高。针对嵌入式系统软硬件的特定性,其资源和计算能力的局限性,本文主要完成了两个工作：一是将实验室适用于PC的游戏引擎移植到WinCE,开发适合嵌入式系统的围棋游戏引擎,实现大规模计算的移植,使游戏引擎在嵌入式有限的资源上,通过精简的计算量,达到不错的效果;二是实现WinCE上围棋游戏前台界面的开发。