一种基于无监督学习的博弈算法设计
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.
跳棋、机器博弈、无监督学习、K-means
TP18(自动化基础理论)
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
30-33