基于CNN模型的亚马逊棋搜索算法设计  

作　　者：李若溪 高铭[1] 

机构地区：[1]北京信息科技大学计算机学院

出　　处：《数字技术与应用》2022年第2期164-166,共3页Digital Technology & Application

基　　金：北京信息科技大学2021年大学生创新创业训练计划项目资助(5102110805)。

摘　　要：亚马逊棋AI搜索算法包括蒙特卡洛搜索算法、改进后的α-β剪枝算法,极大极小搜素算法,经检验发现蒙特卡洛搜索算法取得较好的成果,但原有的搜索算法由于搜索的博弈树层数为固定值,会产生超时或搜索层数过少造成搜索不完全的问题,尝试使用CNN模型优化原有的亚马逊棋搜索算法。设计一个基于CNN模型的优化器,该优化器将当前棋盘的权值作为输入层,进行三层卷积,输出层为当前局面下的最优层数。在同等计算力条件下,采用蒙特卡洛与α-β剪枝算法,令采用CNN模型优化后的搜索算法与固定搜索层数的算法进行对弈,前者的不败率为73.4%。

关 键 词：蒙特卡洛 博弈树 搜索算法 模型优化 极大极小 优化器 CNN 输出层 

分 类 号：O225[理学—运筹学与控制论]