一种军棋机器博弈的多棋子协同博弈方法

针对在军棋博弈不完全信息对弈中，面对棋子不同价值、不同位置、不同搭配所产生的不同棋力，传统的单子意图搜索算法，不能满足棋子之间的协同性与沟通性，同时也缺乏对敌方的引诱与欺骗等高级对抗能力。本文提出一种结合UCT搜索策略的高价值棋子博弈方法，实现高价值棋子协同博弈的策略。实战经验表明:高价值多棋子军棋协同博弈策略优于单棋子军棋博弈策略。     

改进UCT算法在爱恩斯坦棋中的应用

UCT(Upper Confidence Bound Apply to Tree)算法是蒙特卡罗搜索算法的延展,因其鲁棒性强而受到广泛关注,且被应用于计算机博弈系统。爱恩斯坦棋是近年国内博弈大赛引进的新棋种,在竞赛中投骰子所引发的随机性和娱乐性吸引了广大学者的目光。从全局优化着法角度出发,在爱恩斯坦棋博弈系统中引入UCT算法。首先,针对当前计算机多核现状,利用并行计算方法进一步优化UCT算法;其次,针对UCT算法的最优着法需求,引入当前估值因子(WINK)和次优节点平衡因子(UCTK), 以此辅助增加估值的精确度,决策胜率与着法的优先关系,提高算法的收敛效率;最后,构造了爱恩斯坦棋博弈系统,通过与基于极大极小算法、α-β算法以及蒙特卡罗算法的爱恩斯坦棋博弈系统进行机-机对弈,其胜率提高了25%,并在全国计算机博弈大赛中获冠军,这进一步验证了改进算法的有效性。     

数据挖掘技术在煤矿计算机综合管理系统中的应用

数据挖掘技术的应用,不仅能够为企业控制成本,而且也能够给企业带来许多的效益。数据挖掘是一种新兴的数据分析技术,在许多行业中都扮演着重要的角色,尤其是对当前的信息爆炸,采用数据挖掘技术能够为其提供科学和有效的手段。在煤矿行业中,数据挖掘技术也起到了非常重要的作用,探讨数据挖掘技术在煤矿计算机综合管理系统中的应用。     

认知行为计算模型结合DM的教学质量提升

为了根据认知及行为表现区分不同类别的学生以更好地提升教师教学质量,提出了基于认知行为计算模型的数据挖掘模型。基于各种重要的认知、行为输入参数,提出了认知、行为指数因子计算模型;依据所搜集的六个认知参数及三个行为参数,运用人工神经网络、灵敏度分析、数据挖掘及分类回归树算法对数据进行分类;将学生划分成三种不同的类别,从而更好地针对不同类别的学生实施不同的教学策略。实验结果表明,学生分类问题中,行为参数远比认知参数重要,分析结果表明了所提模型在教育系统教师工作支持领域的可行性。