田 欣，姬 波,2，卢红星,2，柳宏川,2，尤惠彬

1(郑州大学 信息工程学院,郑州 450001)

2(郑州大学 产业技术研究所第四代工业研究所,郑州 450001)

1 引 言

计算机棋类游戏被认为是人工智能领域的“果蝇”，对其的深入研究有助于对机器智能中很多基本问题的理解.作为计算机棋类游戏的3个里程碑，chinook，深蓝和alphazero分别在西洋跳棋，国际象棋和围棋比赛中取得了战胜人类选手的成绩，大大鼓舞了投身于这个领域的研究人员[1].

1999年Kumar Chellapilla等人就提出在不依赖专家知识库的条件下，设计完全连接的前馈神经网络，采用种群中互相博弈和遗传变异的知识传递方式，使用多层前馈神经网络评估棋盘位置，极小极大搜索策略进行搜索，以每一场比赛的最终结果(即赢、输或平局)来完成神经网络的竞争生存，最终筛选出种群中的最优选手作为优胜者，该选手能够击败两名专家级选手，并与一名高手打成平局[2].随后Su Z采用遗传算法解决跳棋博弈中的评价问题，在计算机上模拟两个“玩家”之间的交替演化过程，博弈的输方依次向获胜方进行参数调整和进化.有效地解决了传统搜索算法由于搜索程度的加深而带来的计算量大幅增加的问题[3].为增加搜索树的深度并减少运行时间，2014年Neto H C等人提出一种高效无监督进化学习系统，利用进化计算的方法，在选择棋步时，保持深度前瞻搜索，使用搜索预测值来选择与当前棋盘状态相对应的最佳移动，神经网络的权值通过一个评价函数……