论文部分内容阅读
围棋死活求解非常消耗计算资源,博弈树的节点数随分支因子和深度的增加而呈指数级增长,使得传统的完全遍历博弈树的搜索不足以胜任。文中提出了一种基于模糊聚类的神经网络方法,利用模式识别和模糊属性检测,为涉及到外部劫争、循环规避、哈希置换、证明树等多方面问题的围棋博弈死活求解,构建了基于神经网络的棋型聚类分析器,快速又有效地极大减小了博弈树的分支因子,节约了死活求解所耗费的计算时间和内存空间。实验证明取得了比较理想的结果,研究表明把自学习能力赋予程序是提高计算机围棋博弈性能的有效途径。