公开(公告)号：CN107823874A

公开(公告)日：2018-03-23

申请号：CN201711164518.9

申请日：2017-11-21

Applicant: 安徽大学

Inventor： 李学俊 ,  陆梦轩

IPC: A63F3/00 ,  G06N3/08 ,  G06F17/30

CPC classification number: A63F3/00643 ,  G06F17/30967 ,  G06N3/08

Abstract: 本发明公开了一种爱恩斯坦棋中基于RBF神经网络的自学习估值方法，将RBF神经网络运用到估值方法中，借助RBF神经网络的MRAN学习规则，对棋盘的特征进行聚类并逐渐调整参数，获得棋盘的盘面估值。本发明将RBF神经网络作为爱恩斯坦棋的估值函数，使爱恩斯坦棋系统具有在线学习能力，会自主学习爱恩斯坦棋中的模式和权值参数，解决了目前爱恩斯坦棋估值函数的知识表示不全面的问题和人工调参的繁琐，提高了估值函数的精确度。

公开(公告)号：CN107684714A

公开(公告)日：2018-02-13

申请号：CN201710735661.2

申请日：2017-08-24

Applicant: 安徽大学

Inventor： 李学俊 ,  王春 ,  陆梦轩

IPC: A63F3/00

CPC classification number: A63F3/00643

Abstract: 本发明公开了一种爱恩斯坦棋博弈系统，包括输入装置、外部显示装置和内部处理单元。采用了信心上限树算法UCT作为爱恩斯坦棋博弈系统的核心技术，基于UCT算法是对所有可能的下棋进行全部模拟，然后根据所有的搜索结果采用UCT算法中的公式进行节点选择，从而使选择的落子向着好的方向发展。同时本发明采用了多线程进行更多次的模拟，在一定的时间内充分的利用了电脑的资源并且选择出最佳的落子方式，解决了原有算法的估值难问题。

公开(公告)号：CN107050839A

公开(公告)日：2017-08-18

申请号：CN201710247262.1

申请日：2017-04-14

Applicant: 安徽大学

Inventor： 李学俊 ,  陈睿卿 ,  刘剑秋 ,  陆梦轩 ,  朱二周

IPC: A63F3/02 ,  A63F3/00 ,  A63F13/822

CPC classification number: A63F3/02 ,  A63F3/00643 ,  A63F13/822

Abstract: 本发明公开了一种基于UCT算法的亚马逊棋机器博弈系统，包括：外部显示装置、输入装置和内部处理单元；其中外部显示装置，用于与内部处理单元建立通讯，显示棋盘信息和博弈过程；输入装置，用于用户设置参数和在博弈模式下的策略选择，并与内部处理单元建立通讯，进行亚马逊棋游戏；内部处理单元：采用智能的博弈技术实现游戏系统的智能化，实现智能博弈技术之间自动博弈以及人与智能博弈技术之间的博弈。本发明解决了原有算法的估值问题，对所有的可能下棋选择进行全局搜索的基础上根据搜索结果选择好的节点进行更多次的局部搜索，可以让搜索结果向着好的方向发展；提高了UCT的搜索效率与深度。