最近收集的一些关于蒙特卡洛方法在博弈上应用的资料

    这个学期开始之前就接了一个师兄的不围棋(围棋变种,详情看:不围棋)项目,但是那师兄的代码写得太烂了,而且也不是一个真正的我理解的棋类游戏(没有评估函数、没有多层搜索,只是用代码把自己能想到的情况写了应对方法而已)。虽然可以符合规则地下一下,但是很难改善棋力,而且有众多bug需要修复。故看完他的程序之后,自己就决心重新写一个。因为自己完全没有关于博弈的知识,从一开始就边学边做。这两个多月的学习以来,把能碰到的问题都基本解决了,但对于一个对围棋及其变种完全不了解的我,要在短时间内写出一个好的评估函数难度很高。再加上因为是新棋种,关于不围棋的资料几乎没有,思考了一个多月后还是写不出评估函数。濒临崩溃的我在网上寻找着围棋方面的资料,然后就发现了这样一个神奇的写评估函数的方法:用蒙特卡洛方法模拟对局计算胜率来替代评估函数。

    现在写的程序还存在很多问题,还没能实现,不过对我来说再多点时间应该可以实现。先把我找到的资料分享出来,一来可以传播给需要的人;二来方便自己以后的学习,不用找来找去那么麻烦。

围棋AI之路

   来自CSDN的oyd写的系列文章:

    围棋AI之路(一)理论

    围棋AI之路(二)棋盘的实现

    围棋AI之路(三)UCT,进来之后才发现是地狱

    围棋AI之路(四):来自UCG的改进

    围棋AI之路(五)自然选择过程

计算机围棋博弈中UCT算法的应用及改进

    在中国知网上的一篇论文,从极大极小值搜索算法讲到了UCT算法,挺全面的:

  计算机围棋博弈中UCT算法的应用及改进

 A Survey of Monte Carlo Tree Search Methods

    一篇外国的论文,详细讲解了蒙特卡洛方法: 

OASE-NoGo

    一个不围棋程序,也是我找得到的唯一有在网上公布的不围棋程序,是一个台湾人写的,下载地址:

  OASE-NoGo

     

    资料就是这些,希望能给大家点用处,如果你有什么关于这方面的资料,也欢迎在评论中与我分享,谢谢!

posted @ 2013-11-30 15:02  joyingx  阅读(1671)  评论(0)    收藏  举报