基于不平衡学习的分类器博弈模型及其在中国象棋中的应用

《基于不平衡学习的分类器博弈模型及其在中国象棋中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据计算机研究与发展ISSN1000—1239JCN11一1777，TPJournalofComputerResearchandDevelopment48(5)：841-847，2011基于不平衡学习的分类器博弈模型及其在中国象棋中的应用苏攀王熙照李艳(河北大学数学与计算机学院河北省机器学习与计算智能重点实验室河北保定071002)(supanl986@yahoo．com)ModelingChessStrategybyClassifierBasedonImbalanceLearningandAp

2、plicationinComputerChineseChessSuPan，WangXizhao，andLiYan(KeyLaboratoryofMachineLearningandComputationalIntelligenceofHebeiProvince，CollegeofMathematicsandComputerScience，HebeiUniversity，Baoding，Hebei071002)AbstractComputerchessgame(CCG)isanimportanttop

3、icinthefieldofartificialintelligence．ThistechniqueiswidelyusedinsomeentertainmentPCgamesandchessgamesondifferentplatforms．MostCCGsystemsaredevelopedbasedonthecombinationofgametreesearchingandevaluationfunctions．Whenusinggametreesearchingmethod，thelevel

4、ofthecomputerplayerdependsonthesearchingdepth．However，deepgametreesearchingistime-consumingwhenthegamesareappliedonsomemobileplatformssuchasmobilephoneandPDA．Inthispaper，anovelmethodisproposedwhichmodelsChinesechessstrategybytrainingflclassifier．Whenpl

5、ayingchessgames，thetrainedclassifierisusedtopredictgoodsuccessorpositionsforcomputerplayer．ThetrainingprocedureisbasedonimbalancelearninganditusesChinesechessgamerecordsasthetrainingsets．Specifically，thetrainingsetsextractedfromgamerecordsareimbalanced

6、；therefore，imbalancelearnin。gmethodsareemployedtomodifytheoriginaltrainingsets．ComparedwiththeclassicalCCGsystem，thisnewmethodisasfastas1一levelgametreesearchwhenplayinggames．anditcontainsanofflinelearningprocess．Experimentalresultsdemonstratethatthepro

7、posedmethodisabletOmodelChinesechessstrategiesandtheimbalancelearningplaysanimportantroleinthemodelingprocess．Keywordsimbalancelearning；computergame；computerChinesechess；chessstrategymodeling；artificialneuralnetworks摘要计算机博弈是人工智能领域中的热点研究课题．传统计算机博弈模型使用极大

8、极小搜索与评估函数相结合的方式，棋力高低依赖于搜索的深度．在计算性能较低的平台上，搜索深度加深会延长反应时间．因此，提出了一种应用不平衡学习技术使用专家谱训练分类器的机器博弈解决方案，反应时间只相当于一层搜索，且更能体现学习的特性．使用3种经典的不平衡学习方法训练神经网络，并对结果进行了比较．验证了使用分类器模拟中国象棋策略的可能性，以及不平衡学习技术在该策略建模过程中起到的关键作用．收稿日期：2010—04—19}修回日期：2010-10-12基金项目：国家自然科学