共 5 条
- [4] 基于增强学习的计算机博弈策略的研究与实现[D]. 宫瑞敏.沈阳理工大学. 2011
- [5] The Convergence of TD(λ) for General λ[J] . Peter Dayan.Machine Learning . 1992 (3)
计算机博弈中估值算法与博弈训练的研究
被引：8
作者：
吕艳辉
宫瑞敏
机构：
[1] 沈阳理工大学信息科学与工程学院
来源：
关键词：
计算机博弈;
差分学习;
反向传播神经网络;
估值算法;
增强学习;
博弈训练;
D O I：
暂无
中图分类号：
TP18 [人工智能理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
计算机博弈程序难以处理局面估值问题。为此,结合时间差分算法和反向传播神经网络,设计一种局面估值算法BP-TD(),实现估值函数参数的自动调整。为提高博弈训练的性能,针对开局和中局,提出分阶段设置参数值的策略。以五子棋为应用背景,实现博弈系统RenjuTD。实验结果表明,该算法可使程序的博弈水平得到较大提高。
引用
收藏
页码：163 / 166
页数：4
相关论文