五子棋博弈平台的设计与应用

棋类游戏是博弈的规则和思想的完美体现,很多算法技术都可以运用在棋类游戏中。五子棋相比其他棋类,规则更简单易学,适合用于博弈算法的研究。一个五子棋博弈平台的搭建,有利于不同博弈算法之间的比较研究以及改进。该文首先介绍了五子棋博弈平台的设计。该平台是包括一个服务器和两个客户端的三层C/S架构平台,主要用于五子棋博弈算法之间的对弈。其次,该文以遗传算法及搜索树算法的对弈为例,展示了该平台的应用。     

面向人工智能专业课程的棋类博弈教学辅助平台

针对人工智能类课程博弈算法理论性太强、算法较复杂和抽象等问题,设计并实现功能较为完整、用户界面友好的棋类博弈教学辅助平台,平台允许用户上传编写好的博弈程序,实现博弈程序间对弈、人与博弈程序对弈以及人人对弈。本文阐述了棋类博弈教学辅助平台的总体设计、主要功能模块以及搭建平台采用的核心技术。棋类博弈教学平台的设计有益于培养学生依据所学理论知识来解决实际问题的能力,促进学生对计算机博弈程序和人工智能方法的不断探索改进,以达到更好的教学效果。本文进一步评估了棋类博弈平台在人工智能课程的实际使用情况与实践效果。     

五子棋落子算法的研究

五子棋做为热门的棋类游戏,深受人们的喜爱.五子棋本身含有丰富的趣味性,玩法的多样性.同时也是人工智能领域的研究对象之一.通过解决五子棋博弈中遇到的问题从而可以解决实际中的一些问题.文章立足于关于计算机落子算法中的现状,对计算机落子的算法进行探索,从而让计算机近似模拟人类的智慧.     

基于LabVIEW的五子棋博弈算法

针对目前五子棋人机对弈多数基于电脑、手机,缺少真实环境的问题,提出一种基于LabVIEW的博弈算法,并运用于真实的五子棋人机对弈。首先通过图像采集系统获取当前状态下棋盘及人机双方棋子的位置信息;然后对棋局的局势进行分析;同时为了提高下棋的效率,对棋型进行了分类,并对原有的博弈算法进行改进,采用进攻和防守两个权值简化决策过程。通过真实的对弈测试表明,基于LabVIEW的五子棋博弈算法能快速、准确地实现五子棋的人机对弈。     

五子棋算法的研究与思考

通过对五子棋算法的研究,探讨在博弈算法设计中优化的一些基本思路,并对其他棋类博弈算法提出一些思考和展望。     

一种基于强化学习的五子棋博弈程序的设计与实现

提出了一种基于蒙特卡洛树和深度神经网络的强化学习方法，用于训练一个具有较高棋力水平的五子棋算法模型。该模型利用蒙特卡洛树搜索在给定的棋盘状态下进行自我对弈，通过策略价值网络评估每个可行的落子位置的先验概率和最终价值，并选择最优的落子方案。实验结果表明该模型具有较强的泛化能力，以此设计的五子棋博弈程序在2022年中国大学生计算机博弈大赛暨中国计算机博弈锦标赛中获得一等奖。     

实现苏拉卡尔塔棋网络博弈平台的吃子算法

针对苏拉卡尔塔棋“机-机”博弈需要人工参与的弊端,提出了构建苏拉卡尔塔棋计算机网络博弈平台的必要性,通过博弈平台实现自动对弈,而构建计算机博弈平台的核心技术之一就是吃子算法的实现。介绍了苏拉卡尔塔棋的三个要素,给出了一种用于计算机博弈平台的苏拉卡尔塔棋的存储结构。使用这种结构,给出了棋局的表示方法,建立了吃子循环队列,进而完成了适合于计算机博弈平台的吃子算法,实现了棋规。实验结果表明,这种存储结构高效可靠,吃子算法运行正确。该吃子算法可以应用于苏拉卡尔塔棋博弈平台的构建,并且这种存储结构和吃子算法对设计完成其他棋类的计算机博弈平台具有一定的参考价值。     

五子棋级数算法

给出了一种人机对弈五子棋算法。在人机对弈五子棋棋局中,计算机根据这种算法,给五子棋的每个格子计算分值,然后,计算机在棋盘分值最高的格子中选择一个落子。这种算法是算术级数和几何级数思想在五子棋中的应用。     

爱恩斯坦棋静态攻防策略的研究

近些年来,爱恩斯坦棋作为一个在中国刚刚兴起不久的棋类游戏,其计算机博弈算法的研究还相对较少。该文尝试使用静态算法来让程序做出一个相对有利于我方的走棋路线,也着力实现一个基于枚举和静态分析策略的静态算法,并且提供一个参考的局面评估算法。经过大量模拟实验证明,该算法具有一定的有效性和实用性。     

基于神经网络和强化学习的西洋跳棋评估算法

目前国际象棋、围棋、五子棋等棋类游戏均已取得较为显著的成果,而10×10棋盘的西洋跳棋尚待破解。局面评估是计算机博弈系统智能化的重要影响因素之一,现有的西洋跳棋多采用静态估值和遗传算法等棋局评估方法,准确性和训练效率均有待改善。对此,本文总结和分析了现有的西洋跳棋评估算法,并在此基础上提出了基于神经网络和强化学习相结合的西洋跳棋评估算法,使西洋跳棋具有更好的自适应学习能力。通过分析表明,使用该算法的西洋跳棋博弈系统可以有效提高其计算机博弈水平。     

Ludo game-based metaheuristics for global and engineering optimization

This paper proposes a Ludo game-based strategy to enhance the ability of swarm algorithms to solve numerous global optimization problems. The proposed strategy simulates the rules of playing the game Ludo using two or four players to perform the update process for different swarm intelligent behaviors. The proposed approach is named the Ludo Game-based Swarm Intelligence (LGSI) Algorithm. The LGSI algorithm uses the concepts of two and four players to enhance the exploration and exploitation of the optimization methods. In the proposed LGSI, a player is represented by a swarm algorithm, for example, in the two-player concept; Moth Flame Optimization (MFO) and the Grasshopper Optimization Algorithm (GOA) are selected, while in the four-player version, two other algorithms, the Sine Cosine Algorithm (SCA) and Gray Wolf Optimization (GWO), are added. In the proposed LGSI algorithm, the functional behaviors of all the used algorithms are different; also, there is no similarity among algorithmic behaviors except for convergence towards the global optimum, which is a common interest for all. However, the other algorithms share the same platform with this strategy, so in this case, competitive behavior may not be underestimated. The proposed LGSI algorithm shares positions among all the algorithms used during the search for the optimal solution. The performance of the LGSI algorithm is tested on a set of CEC2005 benchmark problems and engineering problems and is compared with the original versions of the utilized algorithms and a variety of other state-of-the-art algorithms. The experimental results show that the LGSI algorithm can provide promising and competitive results.     

结合先验知识与蒙特卡罗模拟的麻将博弈研究

针对内陆麻将缺乏统一平台和大量牌谱数据,难以设计出基于监督学习的博弈算法的问题,本文设计了一系列将规则、经验与蒙特卡罗方法相结合的博弈算法.首先,分别针对麻将博弈的弃牌模块、听牌模块、吃牌模块提出了弃牌优先级、听牌有效数、吃牌优先级的方法,完善了麻将AI的知识体系,设计了基础版博弈算法Fanfou_ba和优化版博弈算法...     

通用对弈游戏:一个探索机器游戏智能的领域

通用对弈游戏（general game playing,简称GGP）是致力于提高机器的通用游戏智能的研究领域.与专用游戏智能程序不同,GGP玩家直到游戏开始时才获得游戏规则,从而避免依赖于人类关于特定游戏的经验.GGP研究发展至今,已在游戏表示、搜索算法、状态估值等方面做了深入探索,并在知识迁移等方面做出了尝试.GGP研究的进展在一定程度上代表了通用人工智能的发展,因而是值得关注的.     

A Multi-functional Entertaining and Educational Robot

This paper presents a multi-functional autonomous intelligent robot, DOC-1, which has actions exclusively driven by artificial intelligence programs. The mechanism of this robot was designed to fulfill tasks defined by various functions such as gripping character cubes and teacups, playing the Gobang board game, and rotating and stacking character cubes. Further emphasis was placed on load lifting capability, weight reduction, energy conservation, and performance reliability. The serial port of a minicomputer is used as the communication interface between the software and electromechanical components. A custom-made chip serves as the control kernel that controls the motions of servo motors that move the arms and head of the robot, two DC motors which drive the wheels, and also a number of lights. With the integrated artificial intelligence software and the robot control system, this intelligent robot DOC-1 can perform a number of autonomous functions that make it interactive with human beings.     

Applying genetic algorithms to game search trees

 Computer game playing is an important artificial intelligence research field in that the results can usually be applied to other related fields. One of the key computer-game-playing issues is designing effective search algorithms. Traditional search algorithms incur great temporal and spatial complexities when exploring deeply into search trees to find good next moves. Searches are thus usually not deep enough to derive good playing strategies. In this paper, we focus on one-player game search trees, and propose a genetic-algorithm-based approach to enhancing the speed and accuracy of game tree searches. Experiments show that our algorithm can improve solution accuracy and search speed.     

全局游戏策略中基于经验的学习方法

全局游戏策略GGP(General Game Playing)旨在开发一种没有游戏经验支撑下能够精通各类游戏的人工智能。在原有强化学习算法研究的基础上,提出一种基于经验的简化学习方法,通过对游戏状态的筛选和游戏经验的归纳,从而降低决策对经验数量的需求,提高决策效率,并能达到指定胜利、平局或失败的游戏目标。通过在三种不同的游戏规则下与玩家进行游戏比赛实验表明,该学习方法能有效地达到预期结果。     

嵌入式五子棋游戏设计

随着嵌入式技术及游戏软件的发展,手机游戏业也进入了一个新的移动游戏时代。好多大学设置了嵌入式游戏设计课程,五子棋游戏设计是在嵌入式系统环境下,使用标准C语言编程实现五子棋游戏。游戏中包含双人对战下棋功能、人机对战下棋功能、存盘读取记录功能、悔棋功能、记录下棋步数功能、判断胜负功能等。对培养适应社会需求的嵌入式技术人才有着重要意义。     

人工智能导论课大作业设置探讨

大作业的设置对学生深入理解课程内容,提高求解问题的能力具有很大的帮助。文章在笔者多年从事人工智能教学的基础上,探讨人工智能导论课的大作业设置问题,提出大作业应具备的基本条件,说明选择四子棋作为大作业的理由,给出四子棋大作业的评分规则,并对学生的大作业总体情况进行分析,验证选择四子棋作为大作业题目的合理性。