刘知青 作品数:11 被引量:35 H指数:2 供职机构: 北京邮电大学软件学院 更多>> 相关领域: 自动化与计算机技术 文化科学 理学 更多>>
机器增强学习在围棋死活题上下文模式上的运用 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... 窦青 刘知青关键词:人工智能 博弈 文献传递 基于Android的围棋游戏开发 被引量:3 2012年 本文设计实现了基于Android平台的围棋游戏,分别利用SDK、NDK交叉编译工具开发了图形界面和围棋引擎,然后利用Java输入输出流和对GTP协议的解析,完成了图形界面和引擎进程间的通信。经测试,游戏操作简单,棋力优异,具备一定的可玩性。所提出的开发框架对Android棋牌类游戏开发有一定的参考意义。 王贺 刘知青关键词:ANDROID NDK GTP 复杂博弈搜索中极大极小算法与UCT算法的比较 所指的复杂博弈有以下两个特点:1)搜索空间大,现有计算能力只能搜索全部搜索空间的极小一部分;2)博弃局面复杂,现有计算方法无法对博弈局面进行准确评估.文章以机器博弈的介绍为起点,从具体实现、优缺点等方面对基于静态搜索思想... 黄晶 刘知青关键词:GAME SEARCH MINIMAX UCT 基于WinCE应用程序的围棋游戏开发 被引量:2 2011年 机器博弈,也称计算机博弈,即让计算机下棋。围棋是一种策略性二人棋类游戏,使用格状棋盘及黑白二色棋子进行对弈。文中计算机围棋游戏引擎的开发采用马尔科夫决策模型,使用人工智能的知识,含有大量计算,整个计算紧密依赖于系统资源,计算量越大,引擎的选点越精确,棋力越高。针对嵌入式系统软硬件的特定性,其资源和计算能力的局限性,本文主要完成了两个工作:一是将实验室适用于PC的游戏引擎移植到WinCE,开发适合嵌入式系统的围棋游戏引擎,实现大规模计算的移植,使游戏引擎在嵌入式有限的资源上,通过精简的计算量,达到不错的效果;二是实现WinCE上围棋游戏前台界面的开发。 曹慧芳 刘知青关键词:机器博弈 UCT 嵌入式 通过分析棋谱进行围棋棋手棋力水平判定 首先完成了棋手棋力判定的基本方法,并给出了相应的算法。接下来讨论了搭建以及在线棋力测试平台的实现和模块组装,最后对研究结论进行了下一步的展望。 王可佳 刘知青关键词:围棋棋谱 文献传递 UCB策略在Prolog中的应用 被引量:1 2012年 Prolog(Programming in Logic)程序语言是一种逻辑程序设计语言。它是在逻辑学理论基础上建立起来的并广泛应用在人工智能研究中。这几十年已经出现了各具特色的Prolog编译器,而且各种编译器也都很成功。虽然在现阶段已经出现了各种版本Prolog编译器,但是Prolog编译器的发展空间还是很大。本文先通过现代Prolog编译器的不足,介绍了新Prolog编译器的特点,然后简单叙述了Prolog编译器词法分析和语法分析的过程,最后介绍了UCB策略。 高慧 刘知青关键词:PROLOG 程序语言 词法分析 语法分析 UCB 计算机围棋发展现状 UCT算法在计算机围棋中的使用,传统的基于静态评估的最大最小树搜索正逐渐被基于蒙特卡洛评估的UCT树搜索所取代.本文以分别介绍对比了这两种不同的搜索方法和评估方法,并讲述了计算机围棋中模式的提取、排序和使用等相关方法. 李文峰 刘知青关键词:UCT 围棋的起源 2010年 围棋起源于中国应该是没有疑问的。围棋起源的时间一定早于文字,否则就应有相应的文字来记录围棋的起源了。现在我们只有关于围棋起源的传说可以参考了。传说中,围棋是中国古代圣王尧舜(约公元前二十三世纪至公元前二十四世纪)所创造的。西晋张华在《博物志》记载道:“尧造围棋,以教子丹朱。或云,舜以子商均愚,故作围棋以教之。”如果围棋的确是尧舜所创造的,那么现在只留有传说也就不足为奇了,因为那时并没有我们现在意义上的文字,也就不可能把这些事情记录下来。 刘知青关键词:围棋 《博物志》 公元前 文字 传说 比赛评价模型在新闻信息排序中的应用 被引量:1 2011年 Bradley-Terry模型是一种简单有效的基于过去比赛信息来预测将来比赛结果的模型。ELO算法某种程度上是Bradley-Terry模型的一种简化,它们已经被应用于很多方向。本文简要介绍这两种算法,并将它们改进应用于新闻标题排序。通过对一组新闻标题数据的测试,发现Bradley-Terry模型虽然拥有较高的准确度,但是在算法执行效率上比ELO算法差了很多。 胡超欧 刘知青关键词:人工智能 解读AlphaGo背后的人工智能技术 被引量:28 2016年 随着人工智能在各个领域的应用,越来越多的问题通过人工智能得到更优的解决,但是围棋因其本身的复杂度一直是人工智能领域的难解之题.AlphaGo团队利用了人工智能中的一个重要分支—深度学习训练了一款围棋人工智能程序,并在2016年3月与职业九段选手李世石的对弈中以4:1的比分获胜,受到了大众的广泛关注.本文介绍了AlphaGo这一程序背后的复杂的网络构造以及不同网络的优缺点. 刘知青 吴修竹关键词:价值网络