改进的协同进化遗传算法在机器博弈中的应用

《改进的协同进化遗传算法在机器博弈中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第l8卷第l2期计算机技术与发展V【)】．】8No．122008年12月COMPUTERTECHNOL(XIYANDDEVELOPMENTDec．2008改进的协同进化遗传算法在机器博弈中的应用王书宇，李龙澍2，汪群山(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)摘要：阐述了一种典型的协同进化遗传算法(S姬)，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(PS0)

2、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。关键词：协同进化；PSO算法；机器博弈；人工神经网络中图分类号：TP183文献标识码：A文章编号：1673—629X(2008)12—0004—04ApplicationofCo’‘evolutionandPSOAlgorithminMachineGameWANGShuyu，LILong—shu2，WANGOun-shan(1．ArtilleryAcademyofPLA，Hefei230031，China；2．SchoolofCompu

3、terScienceandEngineering，AnhuiUniversity，Hefei230039，China)Abstract：PresentsanovelO0一evolutionarygeneticsystem(SANE)，thealgorithmuSetwopopulationstoeo—evolvefeedbackneuralnetworks(FNN)whichevaluateboardpositionsinmachinegames．Somereasonableimprovementswhichpre—traint

4、hepopulationbyPSOalgorithm&reusedinthepopulationinitialization．Inouresse，theresultsofexperimentsshowthatpre—trainingofthepopulationinco—evolutionishighlyeffectiveincreatingsUrongergameplayingstrategiesthanCO—evolutionwithrandompopulation．Keywords：co—evolution；PSOalgo

5、rithm；machinegame；artificialneuralnetworks1概述进化遗传算法去进化他们的策略。另外一个成功例子在机器博弈方面，如五子棋、象棋、围棋等，要提升是Chellapilla和Fogel[~6】开发的一个西洋跳棋程序博弈程序的智力水平，重点在于找到最优的局面估值Anaconda(又叫Blondie24)，该程序是用一个神经网络函数1，由于需要考虑的因素太多，而且各种因素之间对当前局面进行估值，从输入层得到当前棋盘的状态，可能还会相互影响，所以用神经网络来表示估值函数以输出层输出的数值作为当前局面的

6、评估值，该网络是一种很有发展潜力的做法。有5046个权值，在经过若干代的协同进化后，该程序在自然界中，协同进化指的是互相依存的两个生已经达到了专家级的水平(等级超过2000)。物群体之间存在着互相适应的现象(共栖、共生)。这粒子群优化(ParticleSwarmOptimization，PSO)种现象是普遍存在的，关系密切的生物，如寄生虫和寄算法是由Eberhart博士和Kennedy博士于1995年提主、捕食者和被捕者等等，一方成为另一方的选择力出的一种新兴的演化算法。它的基本概念源于对人工量，因而在进化上发展了相互适应的特性

7、。这种思想生命和鸟群捕食行为的研究-7]，采用基于种群的全局已经被广泛地应用到机器博弈的研究领域中，并取得搜索策略，是一类有着潜在竞争力的神经网络学习算了良好的效果。法。同其它算法相比，PSO算法具有思想简单、参数协同进化遗传算法最早是由Axel。d【2]和MiUer【3J少、易于实现、应用效果明显等优点，已经成功应用在在研究重复囚徒困境时提出来的，他们都采用了协同很多领域中。文中介绍并研究了共生自适应神经网络进化系统收稿日期：20H08—04—13(SymbioticAdaptiveNeuro—Evolution，SANE【l

8、lJj)和基金项目：安徽省高校拔尖人才基金(05025102)粒子群优化算法。以围棋为例设计一个具体的实验，作者简介：王书字(1979一)，男，硕士研究生，研究方向为人工智能、图像处理；李龙澍，博士生导师，教授，研究方向为知识工程、智能软用FNN表示局面估值函数