公开(公告)号：CN105727550A

公开(公告)日：2016-07-06

申请号：CN201610060615.2

申请日：2016-01-27

Applicant: 安徽大学

Inventor： 李学俊 ,  刘洋 ,  吴蕾 ,  丁瑞苗 ,  张昊 ,  汪文涛

IPC: A63F3/00 ,  A63F3/02 ,  A63F9/14 ,  A63F13/23 ,  A63F13/55

Abstract: 本发明公开了一种基于UCT算法的点格棋游戏系统，包括：外部显示装置、输入装置和内部处理单元；外部显示装置，用于与内部处理单元建立通讯，显示棋盘信息和对弈过程；输入装置，用于用户设置参数和策略选择，并与内部处理单元建立通讯，进行点格棋游戏，或者选择进行自动测试；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对弈以及人与智能博弈技术之间的对弈。本发明采用UCT算法作为点格棋游戏系统的博弈技术，解决了原有算法的估值问题，在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，可以搜索结果向着好的方向发展。并且可以同时利用多线程进行多次的模拟，充分利用了电脑的硬件资源。

公开(公告)号：CN105817029B

公开(公告)日：2019-09-03

申请号：CN201610145217.0

申请日：2016-03-14

Applicant: 安徽大学

Inventor： 李学俊 ,  汪坤兵 ,  朱二周 ,  吴蕾 ,  李龙澍

IPC: A63F11/00 ,  G06F16/22

Abstract: 本发明公开了一种六子棋博弈系统中基于路和棋型的混合搜索方法，本发明是在使用Alpha‑Beta剪枝算法对博弈树进行搜索时扩展中间节点阶段对候选节点的估值使用了基于“路”的估值方式，在对叶子节点进行估值时使用了基于“棋型”的估值方式。将这两种估值方式混合使用，应用于Alpha‑Beta剪枝搜索中，结合两者的优点。混合搜索模式与单一的基于“路”的搜索模式相比，在搜索效率相同的情况下提高了博弈水平，与单一的基于“棋型”的搜索模式相比，在相同的博弈水平下提高了搜索效率。

公开(公告)号：CN105677923A

公开(公告)日：2016-06-15

申请号：CN201610182640.8

申请日：2016-03-24

Applicant: 安徽大学

Inventor： 李学俊 ,  光洋 ,  王春 ,  朱二周 ,  吴蕾

IPC: G06F17/30 ,  A63F3/00

CPC classification number: G06F17/30961 ,  A63F3/00003

Abstract: 本发明公开了一种爱恩斯坦棋基于攻防兼备估值函数的博弈搜索方法，将攻防兼备估值函数用于期望极大极小搜索中模拟博弈搜索。本发明采用期望极大极小算法，它是极大极小算法的变种，在向下搜索拓展的过程中引入概率层，克服了由骰子所带来的博弈信息不完备的问题。本发明将设计好的攻防兼备的估值函数应用到期望搜索中，设计了攻防兼备的期望极大极小算法，提高系统的搜索效率和博弈水平。

公开(公告)号：CN105727550B

公开(公告)日：2019-10-25

申请号：CN201610060615.2

申请日：2016-01-27

Applicant: 安徽大学

Inventor： 李学俊 ,  刘洋 ,  吴蕾 ,  丁瑞苗 ,  张昊 ,  汪文涛

IPC: A63F3/00 ,  A63F3/02 ,  A63F9/14 ,  A63F13/23 ,  A63F13/55

Abstract: 本发明公开了一种基于UCT算法的点格棋游戏系统，包括：外部显示装置、输入装置和内部处理单元；外部显示装置，用于与内部处理单元建立通讯，显示棋盘信息和对弈过程；输入装置，用于用户设置参数和策略选择，并与内部处理单元建立通讯，进行点格棋游戏，或者选择进行自动测试；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对弈以及人与智能博弈技术之间的对弈。本发明采用UCT算法作为点格棋游戏系统的博弈技术，解决了原有算法的估值问题，在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，可以搜索结果向着好的方向发展。并且可以同时利用多线程进行多次的模拟，充分利用了电脑的硬件资源。

公开(公告)号：CN110119804A

公开(公告)日：2019-08-13

申请号：CN201910375250.6

申请日：2019-05-07

Applicant: 安徽大学

Inventor： 袁仪驰 ,  吴蕾 ,  姚超超 ,  李学俊 ,  陆梦宣 ,  沈恒恒

IPC: G06N3/04 ,  G06N3/08 ,  A63F11/00

Abstract: 本发明公开了一种爱恩斯坦棋中基于深度强化学习的自学习博弈算法，将BP神经网络运用到棋盘的价值评估方法以及在蒙特卡洛树搜索算法的动作选择策略中，借助强化学习方法自对弈学习规则，对棋盘的特征进行学习并逐渐调整网络参数，使得BP神经网络对于棋盘的价值评估以及下棋动作的策略计算逐渐准确，从而使整个博弈算法的性能逐渐提升。本发明将两个BP神经网络分别作为爱恩斯坦棋的价值估值函数和行为策略函数，将强化学习算法作为调整BP神经网络参数的进化机制，解决了目前爱恩斯坦棋训练集的水平受到人类水平限制的缺陷，提高了爱恩斯坦棋博弈水平的上限。

公开(公告)号：CN105817029A

公开(公告)日：2016-08-03

申请号：CN201610145217.0

申请日：2016-03-14

Applicant: 安徽大学

Inventor： 李学俊 ,  汪坤兵 ,  朱二周 ,  吴蕾 ,  李龙澍

IPC: A63F11/00 ,  G06F17/30

Abstract: 本发明公开了一种六子棋博弈系统中基于路和棋型的混合搜索方法，本发明是在使用Alpha?Beta剪枝算法对博弈树进行搜索时扩展中间节点阶段对候选节点的估值使用了基于“路”的估值方式，在对叶子节点进行估值时使用了基于“棋型”的估值方式。将这两种估值方式混合使用，应用于Alpha?Beta剪枝搜索中，结合两者的优点。混合搜索模式与单一的基于“路”的搜索模式相比，在搜索效率相同的情况下提高了博弈水平，与单一的基于“棋型”的搜索模式相比，在相同的博弈水平下提高了搜索效率。