不完全信息條件下橋牌博弈算法的研究及應(yīng)用.pdf

1、人工智能近年來受到越來越多的關(guān)注，并成為今年全國兩會(huì)的熱門話題。機(jī)器博弈的研究為人工智能提供了很多方法和理論，如博弈搜索等。機(jī)器博弈又分為完全信息博弈和不完全信息博弈，其中由于不完全信息博弈更貼近現(xiàn)實(shí)生活中的問題，如戰(zhàn)爭、股票市場及商場等，受到了越來越多研究者的重視。在現(xiàn)有研究工作的基礎(chǔ)上，本文對不完全信息下橋牌博弈算法進(jìn)行了研究，主要研究內(nèi)容有以下幾個(gè)方面：
　?。?）提出了一種基于滑動(dòng)窗口的抽樣時(shí)間分配的GHA-BP叫牌學(xué)習(xí)策

2、略。一直以來，叫牌法則的模糊性是計(jì)算機(jī)叫牌中需要解決的首要問題。現(xiàn)有的叫牌學(xué)習(xí)策略雖一定程度上解決了叫牌法則的模糊性，但其在抽樣時(shí)間分配上不合理，并且基于ID3算法的叫牌預(yù)測準(zhǔn)確度不高，導(dǎo)致學(xué)習(xí)叫牌策略能力有限。針對這些問題，本文提出了一種改進(jìn)的叫牌學(xué)習(xí)策略，該策略采用滑動(dòng)窗口對抽樣時(shí)間進(jìn)行預(yù)測分配，采用GHA-BP神經(jīng)網(wǎng)絡(luò)對模糊的叫牌法則進(jìn)行分類學(xué)習(xí)。實(shí)驗(yàn)表明，該策略能夠更合理地分配有限的時(shí)間和提高叫牌學(xué)習(xí)策略的準(zhǔn)確率，降低與雙明手叫

3、牌結(jié)果的差異。
　?。?）提出了一種基于啟發(fā)式的蒙特卡羅打牌策略。一直以來，信息的不完全性是打牌過程中需要解決的首要問題?，F(xiàn)有的蒙特卡羅打牌策略中通過隨機(jī)抽樣的方法為解決該問題提供了一種可行的思路，但常規(guī)抽樣方法由于其盲目性存在抽樣效率低的問題。因此，本文提出了一種改進(jìn)的蒙特卡羅打牌策略，該策略將啟發(fā)式的思想應(yīng)用于生成樣本牌局。實(shí)驗(yàn)驗(yàn)證了本策略能夠在相同時(shí)間內(nèi)產(chǎn)生更多滿足叫牌約束的樣本，能更準(zhǔn)確地模擬當(dāng)前狀態(tài)的牌局，從而做出更為合