人机对战五子棋游戏的设计与实现开题报告

 2022-08-28 11:55:21

全文总字数:3097字

1. 研究目的与意义(文献综述)

设计目的及意义

人工智能是当下最为火热的研究方向之一,近些年来人工智能被广泛的用于各行各业之中并产生巨大影响。人工智能是计算机技术的一门重要技术研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟,人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。计算机博弈一直是人们很感兴趣的方向,从深蓝到阿尔法狗,计算机证明了在合理而强力的算法支撑之下,计算机能够依赖自己的计算能力在一定的环境里表现出超越人的水准,未来人工智能一定将会在更深的范围和更广的领域里发挥出更大的作用。

五子棋在看似简单的规则下有着非常复杂的讲究,包括对于黑棋先行的禁手限制、术语以及开局的分析等有着相当多的说法,五子棋在益智娱乐、智力竞技等有着越来越显著的作用,研究人工智能的五子棋AI,不仅利于人们提升五子棋水平,也助于对人工智能的研究。人工智能说到底还是人的智能的体现,如何利用计算机这一媒介最大化地进行分析、计算从而在博弈性的比赛里做出更优的解是研究更好的人工智能的绝妙手段。本次设计将做出具有不同水平分级的电脑AI,有助于研究人工智能在博弈上的运用,同时对训练人自身棋技开发智力有着很好的辅助作用。

国内外研究现状

对五子棋的AI研究早有前例,一些经典算法比如极大极小搜索树、阿尔法贝塔剪枝等已经被用于设计开发五子棋对弈AI,但是由于训练素材、算法使用的不同,在AI比赛里也是会出现互有胜负的情况,使用不同算法进行过不同训练的机器人在面对问题时会做出不同的解决方案,如何让AI的棋力更高、如何提升对五子棋的理解是一件很有意义的事情。近些年来中国也越来越重视五子棋的地位根据中国五子棋爱好者在国内、国际交流中所体现出来的实际水平,在五子棋段级位制度实施初期,对爱好者授予的最高段位暂定为六段。随着中国棋手参与国内外交流机会的增加和技术水平的提高,逐步增加所授予段位的上限,直至九段。许多电脑AI都有着极高的水平,但是在设计不通阶级难度的AI时大多选用不同深度的Alpha-Beta剪枝来实现。而在AI之间的比赛里,先手执黑的优势相当明显,如何就先手的不同来转换设计使AI无论先后手都能做出合理判断是研究的重要问题。

2. 研究的基本内容与方案

基本内容

本次研究人工智能的经典算法及其实现,包括极大极小博弈树算法、Alpha-Beta剪枝算法等。实现人机对战五子棋功能的设计,实现人机对战五子棋在有禁手和无禁手两种规则下与AI对弈,并且可以由玩家通过控制博弈树的最大搜索深度来调整对弈AI的棋力强弱,从而让不同段位的五子棋棋手都可以通过和该软件的AI进行对弈来满足训练与提高的目的。编码实现及调试、测试工作后,应提供相应的软件系统的概要、详细设计说明书,代码设计说明。

技术方案

本次采用安卓平台的开发,使用Androidstudio进行APP的编写,完成五子棋游戏的设计,由于是人机对弈因此设计为单机游戏,在进入游戏后选择难度即可开始游戏。

在基本内容中所提及道德算法之外本次还将研究基于局势状态的落子分析来充实AI的算法,运用攻守分析理论来进行局势的分析与量化的评估,将这些与经典的搜索算法相互结合最终实现对单次落子时不同选择的评分系统,该系统将实现对每次落子时可选的位置进行量化评分,并运用于实现不用棋力水平AI的设计。

在这次的设计中,首先采取广阅读、多参考的方法,查阅有关论文、期刊以及文献,从人工智能的角度出发完成对各个模块以及经典算法的理解,然后通过查阅相关资料研究并完善对五子棋本质的理解来融入到最终的AI算法中去。在初步实现了系统设计以及代码编写之后,进行大量的测试,并进行机器间的对弈来研究自动化的算法AI在互相之间进行比赛时的效果,通过研究结果来进行进一步的改进。

3. 研究计划与安排

毕业设计具体进度安排如下:

1)第1周至第2周:查阅有关的参考资料并完成开题报告;翻译英文资料并交予指导教师检查。

2)第3周至第6周:熟悉所选用的开发平台,运用所学的软件设计理论,完成整个系统的前期设计工作。

3)第7周至第13周:进行系统的编码、调试、集成、测试工作。

4)第14周至第15周:撰写毕业论文,准备毕业答辩的有关文档及资料。

4. 参考文献(12篇以上)

[1]王杨. 基于计算机博弈的五子棋算法研究[D].沈阳理工大学,2017

[2]张效见. 五子棋计算机博弈系统的研究与设计[D].安徽大学,2017.

[3]徐建.五子棋的一种价值的估算[J].智能计算机与应用,2016,6(05):90-92

[4]陈桥. 基于BP神经网络的五子棋自学习系统的设计与实现[D].燕山大学,2016

[5]刘阳. 基于人工智能的五子棋专家系统研究和设计[D].电子科技大学,2015.

[6]王云霞.智能五子棋博弈算法研究[J].江苏技术师范学院学报,2013,19(02):62-66.

[7]刘瑞. 五子棋人工智能算法设计与实现[D].华南理工大学,2012.

[8]姜勇. 五子棋人机对战系统设计[D].电子科技大学,2010.

[9]郝伟.一种优化模型对五子棋人工智能算法的分析与应用[J].电脑知识与技术,2009,5(14):3775-3776.

[10]王志水. 基于搜索算法的人工智能在五子棋博弈中的应用研究[D].中国石油大学,2007.

[11]杨庆文.智能五子棋中的博弈问题[J].软件导刊,2006(11):75-77.

[12]张海峰,白振兴,张登福.五子棋中的博弈智能设计[J].现代电子技术,2004(07):25-27.

[13]Junru Wang and LanHuang, "Evolving Gomoku solver by genetic algorithm," 2014IEEE Workshop on Advanced Research and Technology in Industry Applications(WARTIA), Ottawa, ON, 2014, pp. 1064-1067.

[14]H. Wang and M. Shi,"Recognizing Chessboard and Positioning Checkboard in Chinese Chess GameSystem," 2014 Fourth International Conference on CommunicationSystems and Network Technologies, Bhopal, 2014, pp. 1182-1186.

[15]K. Shao, D. Zhao, Z. Tang and Y. Zhu, "Move prediction inGomoku using deep learning," 2016 31st Youth Academic AnnualConference of Chinese Association of Automation (YAC), Wuhan, 2016, pp.292-297.
剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。