论文部分内容阅读
传统的人工智能中的搜索方法让计算机国际象棋的博弈水平超过了人类，然而围棋广大的搜索空间一直是人工智能领域一个未能攻克的难题。通过对围棋知识的学习来指引搜索过程成为近年来计算机围棋领域的一个新兴课题。机器增强学习在许多领域有着广泛的应用。将机器增强学习的方法应用到对死活问题的学习上。学习过程中的状态用搜索过程中收集到的模式进行表示，并通过增强学习中TD(λ)的方法对这些模式所代表的状态进行赋值。实验结果表明本文所采用的模式组的状态表示方法还不够理想。与此同时对造成此结果的主要原因进行了分析并提供了可能的改进方法。