没有合适的资源?快使用搜索试试~ 我知道了~
ConnectFourMCTS:使用蒙特卡洛树搜索算法为回合制游戏编程自适应人工智能
共33个文件
txt:21个
pdf:3个
docx:3个
需积分: 21 3 下载量 181 浏览量
2021-05-06
22:33:04
上传
评论 1
收藏 15.65MB ZIP 举报
温馨提示
使用蒙特卡洛树搜索算法为回合制游戏编程自适应人工智能 在program_files中编译并运行GameBoard.java。 棋盘游戏最直观,最详尽,最传统的人工智能(AI)形式是minimax。 Minimax涉及从游戏的当前状态构造可能的动作的完整游戏树,并选择导致最终收益最大的分支。 尽管这可能是一种非常彻底的AI形式,但即使是中等复杂的游戏,游戏树也是如此巨大,以至于无法有效地遍历整个游戏树。 因此,解决方案是启发式算法的蒙特卡洛树搜索算法(MCTS),该算法仅使用可能的动作知识和蒙特卡洛方法来选择性采样具有许多播出并基于结论的完整游戏树的分支在这些样品上。 MCTS应用于该项目的游戏是Connect Four,因为它的完整游戏树对于minimax来说太大了,无法成为可行的选择。 该项目的目标是对高效的人工智能进行编程,实现蒙特卡洛树搜索算法,以逐个决策的方式制定游戏“连接四人”
资源详情
资源评论
资源推荐
收起资源包目录
ConnectFourMCTS-master.zip (33个子文件)
ConnectFourMCTS-master
Version Changelog.docx 58KB
poster.pub 5.34MB
Presentation.pptx 974KB
poster.pdf 3.39MB
Govani_MCTS_Research.pdf 4.68MB
README.md 3KB
abstract.docx 14KB
data
500_500
O.txt 2B
X.txt 2B
T.txt 1B
5000_5000
O.txt 2B
X.txt 2B
T.txt 1B
1000_500
O.txt 2B
X.txt 2B
T.txt 1B
5000_1000
O.txt 2B
X.txt 2B
T.txt 1B
5000_500
O.txt 2B
X.txt 2B
T.txt 1B
reset
O.txt 1B
X.txt 1B
T.txt 1B
graph.xlsx 27KB
1000_1000
O.txt 2B
X.txt 2B
T.txt 1B
Research Paper.docx 856KB
Research Paper.pdf 1.35MB
program_files
GameBoard.java 8KB
Node.java 9KB
共 33 条
- 1
橘子乔JVZI
- 粉丝: 28
- 资源: 4580
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0