改进的协同进化遗传算法在机器博弈中的应用  

Application of Co-evolution and PSO Algorithm in Machine Game

作　　者：王书宇[1] 李龙澍[2] 汪群山[1] 

机构地区：[1]解放军炮兵学院,安徽合肥230031 [2]安徽大学计算机科学与技术学院,安徽合肥230039

出　　处：《计算机技术与发展》2008年第12期4-7,共4页Computer Technology and Development

基　　金：安徽省高校拔尖人才基金(05025102)

摘　　要：阐述了一种典型的协同进化遗传算法(SANE),在机器博弈中,用前馈神经网络(FNN)表示局面估值函数,该算法采用两个种群合作协同的方式进化该FNN。对上述算法在种群的初始化方面进行了合理改进:用粒子群算法(PSO)先对种群进行预处理。实验表明,在协同进化的过程中,经过预处理的种群会比随机生成的种群效率更高。Presents a novel co-evolutionary genetic system （SANE）, the algorithm use two populations to co- evolve feedback neural networks （FNN） which evaluate board positions in machine games. Some reasonable improvements which pre - train the population by PSO algorithm are used in the population initialization. In our case, the results of experiments show that pre- training of the population in co- evolution is highly effective in creating stronger game playing strategies than co- evolution with random population.

关 键 词：协同进化 PSO算法 机器博弈 人工神经网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]