论文部分内容阅读
计算机博弈是人工智能领域的挑战性课题，它利用计算机进行分析、判断和推理，从而得到理性的决策．不围棋是近年来计算机博弈竞赛的一个棋种，属于围棋的变体，其规则是先吃子或棋子自杀的一方为负．通过分析不围棋博弈模型的特点，提出了对上限信心界树搜索（UCT）算法的一个优化方法，在算法的启动过程优先选择评分较高的盘面进行模拟博弈，以便得到更好的落子选择．在与著名的OASE—NoGo软件的试验对弈中，以该算法为核心设计的不围棋软件取得了90％以上的胜率，证明是可行、有效的．